SeaTurtleID2022：用于可靠海龟重识别的长跨度数据集

本文介绍首个公开的、在野外拍摄的大规模长跨度海龟照片数据集——SeaTurtleID2022（\href{https://www.kaggle.com/datasets/wildlifedatasets/seaturtleid2022}{SeaTurtleID2022}）。该数据集包含13年内收集的438个独特个体的8729张照片，是动物重识别领域跨度最长数据集。所有照片均含多种标注，如身份、遭遇时间戳与身体部位分割掩码。除标准“随机”划分外，该数据集支持两种真实且具生态学动机的划分：(i) 训练、验证与测试数据来自不同日期/年份的时间感知闭集；(ii) 验证与测试集含新未知个体的时间感知开集。我们表明时间感知划分对重识别方法基准测试至关重要，因随机划分会导致性能高估。此外，给出了基于不同身体部位的基线实例分割与重识别性能。最后，提出并评估了一种端到端海龟重识别系统。所提系统基于Hybrid Task Cascade进行头部实例分割、ArcFace训练的特征提取器，准确率达86.8%。