SeaTurtleID2022：用于可靠海龟重识别的长跨度数据集
摘要
本文介绍了首个公开的、在野外拍摄的海龟照片大规模长跨度数据集——SeaTurtleID2022（https://www.kaggle.com/datasets/wildlifedatasets/seaturtleid2022）。该数据集包含 13 年内收集的 438 个独特个体的 8729 张照片，使其成为跨度最长的动物重识别数据集。所有照片均包含各种标注，例如身份、遭遇时间戳和身体部位分割掩码。与标准的“随机”划分不同，该数据集允许两种现实且受生态学驱动的划分：（i）时间感知闭集，其训练、验证和测试数据来自不同日期/年份；（ii）时间感知开集，其验证和测试集中包含新的未知个体。我们表明时间感知划分对于基准重识别方法至关重要，因为随机划分会导致性能高估。此外，提供了针对各种身体部位的基线实例分割与重识别性能。最后，提出并评估了一个端到端海龟重识别系统。所提出的基于 Hybrid Task Cascade 的头部实例分割和 ArcFace 训练的特征提取器的系统达到了 86.8% 的准确率。
引用
@article{arxiv.2311.05524,
title = {SeaTurtleID2022: A long-span dataset for reliable sea turtle re-identification},
author = {Lukáš Adam and Vojtěch Čermák and Kostas Papafitsoros and Lukáš Picek},
journal= {arXiv preprint arXiv:2311.05524},
year = {2024}
}
备注
This version is essentially an updated version of the initial SeaTurtleID paper (arXiv:2211.10307) and from now on it can be found as a replacement of the latter paper. You can also find the published version here: https://openaccess.thecvf.com/content/WACV2024/html/Adam_SeaTurtleID2022_A_Long-Span_Dataset_for_Reliable_Sea_Turtle_Re-Identification_WACV_2024_paper.html