PlantCLEF 2021概述：跨领域植物识别

得益于深度学习的最新进展以及包含越来越多野外照片的训练数据的可用性，自动植物识别已得到显著改善。然而，这些海量数据仅涉及数万种物种，主要位于北美和西欧，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系统地收集、编目和保存植物标本，特别是在热带地区，而生物多样性信息学界的近期努力使得数百万条数字化记录得以在线发布。LifeCLEF 2021植物识别挑战赛（或称“PlantCLEF 2021”）旨在评估利用标本馆收藏能在多大程度上改善数据匮乏地区的植物群自动识别。它基于一个包含约1000个物种的数据集，主要聚焦于南美洲圭亚那地盾，该地区以拥有世界上最高的植物多样性之一而闻名。该挑战被作为一项跨领域分类任务进行评估，其中训练集由数十万张标本馆标本和数千张照片组成，以允许学习两个领域之间的对应关系。除了常规元数据（位置、日期、作者、分类学）外，训练数据还包含每个物种的5个形态和功能性状值。测试集完全由野外拍摄的照片组成。本文介绍了所开展评估的资源和评价，总结了参与研究团队使用的方法和系统，并对主要结果进行了分析。