PetFace：动物识别的大规模数据集与基准
计算机视觉与模式识别
2024-08-21 v2
摘要
自动化动物面部识别在监测行为、进行调查和寻找失踪动物方面发挥着关键作用。尽管人类面部识别取得了显著进展，但由于缺乏动物领域的数据集和基准，进展受到阻碍。本文介绍了 PetFace 数据集，这是一个涵盖257,484个独特个体、13个动物科学家族和319个品种的动物面部识别综合资源，包括实验动物和宠物动物。这一大规模的个体集合促进了对未见动物面部验证的研究，而这一领域在现有数据集中由于个体数量有限尚未得到充分探索。此外，PetFace 还包含性别、品种、颜色和图案等细粒度标注。我们提供了多个基准，包括对已见个体的重新识别和对未见个体的验证。在已知细粒度品种变异和未见动物科学家族的情况下，训练我们数据集上的模型在已有数据集上训练的模型方面表现更佳。我们的结果也表明，对于集成识别多种动物科学家族，仍有提升性能的空间。我们希望 PetFace 数据集能够促进动物面部识别，并鼓励开发非侵入性的动物自动识别方法。
引用
@article{arxiv.2407.13555,
title = {PetFace: A Large-Scale Dataset and Benchmark for Animal Identification},
author = {Risa Shinoda and Kaede Shiohara},
journal= {arXiv preprint arXiv:2407.13555},
year = {2024}
}
备注
ECCV 2024. Dataset and code: https://dahlian00.github.io/PetFacePage/