LifeCLEF 2020 植物识别任务概览

得益于深度学习的近期进展以及包含越来越多野外照片的训练数据的可用性，植物的自动识别已得到显著改善。然而，这种数据的丰富性仅涉及数万物种，且大多位于北美和西欧，而在生物多样性最丰富的地区，如热带国家，则少得多。另一方面，几个世纪以来，植物学家一直在植物标本馆中收集、编目并系统性地存储植物标本，尤其是在热带地区，而生物多样性信息学界的近期努力使得数百万份数字化标本得以在线获取。LifeCLEF 2020 植物识别挑战赛（或称“PlantCLEF 2020”）旨在评估通过使用植物标本馆馆藏，能在多大程度上改善数据匮乏地区植物区系的自动识别。该挑战赛基于一个包含约 1000 个物种的数据集，主要聚焦于南美洲的圭亚那地盾，该地区已知拥有世界上最大的植物多样性之一。该挑战被评估为一个跨域分类任务，其中训练集包含数十万份植物标本馆标本和数千张照片，以学习两个域之间的映射。测试集则完全由野外照片组成。本文介绍了所进行评估的资源和评估结果，总结了参与研究小组采用的方法和系统，并对主要成果进行了分析。