FathomNet2023 竞赛数据集
计算机视觉与模式识别
2023-07-19 v1
摘要
海洋科学家数十年来一直在收集视觉数据以研究海洋生物。这些图像和视频对于基础科学和环境监测任务都极为宝贵。现有工具可自动处理这些数据，但尚无能够处理海洋视觉采样中常见的样本群体、图像质量和栖息地特征极端变异性的工具。此类分布偏移可能在极短的物理距离和狭窄的时间窗口内发生。构建能够识别图像或视频序列是否包含新生物、异常动物集合或以其他方式超出样本的模型，对于充分利用海洋视觉数据至关重要。FathomNet2023 竞赛数据集呈现了一个真实场景，其中目标数据中的动物集合不同于训练数据。挑战既在于识别目标图像中的生物，也在于评估其是否超出样本。
引用
@article{arxiv.2307.08781,
title = {The FathomNet2023 Competition Dataset},
author = {Eric Orenstein and Kevin Barnard and Lonny Lundsten and Geneviève Patterson and Benjamin Woodward and Kakani Katija},
journal= {arXiv preprint arXiv:2307.08781},
year = {2023}
}
备注
Competition was presented as part of the 10th Fine Grained Visual Categorization workshop at the 2023 Computer Vision and Pattern Recognition conference. 4 pages, 4 figures