探究不同地理先验对图像分类的影响
计算机视觉与模式识别
2025-08-25 v1
摘要
物种分布模型编码了物种发生模式的空间模式，使其在位置信息可用时成为基于视觉的物种分类的有效先验。本研究评估了 various SINR (Spatial Implicit Neural Representations) 模型作为地理先验用于从iNaturalist观察中进行物种视觉分类。我们探讨了不同模型配置的影响并调整了如何处理不包含在Geo Prior训练中的物种的预测。我们的分析揭示了这些模型作为Geo先验有效性的因素，可能与制作准确范围图的因素不同。
关键词
引用
@article{arxiv.2508.15946,
title = {Investigating Different Geo Priors for Image Classification},
author = {Angela Zhu and Christian Lange and Max Hamilton},
journal= {arXiv preprint arXiv:2508.15946},
year = {2025}
}
备注
Accepted and presented poster at FGVC12 (CVPR 2025 Workshop), Nashville, June 11, 2025