基于噪声网页数据的植物识别：LifeCLEF 2017的惊人性能

LifeCLEF 2017植物识别挑战赛是实现规模为大陆性植物物种（主要为欧洲和北美）自动识别系统的重要里程碑，涉及约1.1万种植物，总计110万张图片。如今，实现此类宏伟目标的系统得益于深度学习在图像分类方面近期卓越进展，以及Encyclopedia of Life（EOL）等众多国际 initiative 的推动，后者汇聚了来自主要国家植物学机构的植物视觉知识。尽管如此，尽管已有努力，大多数植物物种仍无图片或图片不足。站在制度之外，大量植物图片通过植物学家博客、植物爱好者网站、图片托管网站以及线上植物零售商等渠道在网络上流通。LifeCLEF 2017植物挑战旨在评估：收集自网络的大型噪声训练数据集（包含大量标注错误）是否能与较小但经专家审核的训练数据集相抗衡。为公平比较两种训练策略，测试数据集来源于第三个数据源，即Pl@ntNet mobile application，该应用每年在全球收集数百万张植物图像查询。本文详细阐述了挑战的资源与评估，总结了参赛团队所采用的方法与系统，并分析了主要结果。