SnakeCLEF 2022中细粒度与长尾蛇种识别的解决方案
计算机视觉与模式识别
2022-07-05 v1
摘要
自动蛇种识别十分重要，因其在降低蛇咬伤所致死亡与残疾方面具有巨大潜力。我们介绍了在SnakeCLEF 2022中针对严重长尾类别分布下细粒度蛇种识别的解决方案。首先，设计了一种网络架构以从多模态中提取并融合特征，即来自视觉模态的照片与来自语言模态的地理区位信息。随后，研究了基于logit调整的方法以缓解严重类别不平衡所造成的影响。接着，提出了一种有监督与自监督学习相结合的方法，以充分利用包括有标签训练数据与无标签测试数据在内的数据集。最后，采用了多尺度与多裁剪测试时增强、位置过滤与模型集成等后处理策略以提升性能。通过集成多个不同模型，在最终排行榜上取得了82.65%的私有分数，排名第3。
引用
@article{arxiv.2207.01216,
title = {Solutions for Fine-grained and Long-tailed Snake Species Recognition in SnakeCLEF 2022},
author = {Cheng Zou and Furong Xu and Meng Wang and Wen Li and Yuan Cheng},
journal= {arXiv preprint arXiv:2207.01216},
year = {2022}
}
备注
Top solutions for FGVC9, accepted to CLEF2022