iWildCam 2020 竞赛数据集
计算机视觉与模式识别
2020-04-23 v1
摘要
相机陷阱能够实现大量图像数据的自动采集。世界各地的生物学家使用相机陷阱监测动物种群。我们近来在相机陷阱图像中的物种自动分类方面取得了进展。然而，当我们试图扩展这些模型的地理覆盖范围时，面临一个有趣的问题：如何训练在全新（训练时未见过）相机陷阱位置表现良好的模型？我们能否利用来自其他模态的数据，例如公民科学数据与遥感数据？为应对该问题，我们准备了一项挑战赛，其训练数据与测试数据来自分布于全球的不同相机。对于每个相机，我们提供与该相机位置相关联的一系列遥感影像。我们还提供来自我们数据中所见物种集合的公民科学影像。挑战任务是对测试相机陷阱中的物种进行正确分类。
引用
@article{arxiv.2004.10340,
title = {The iWildCam 2020 Competition Dataset},
author = {Sara Beery and Elijah Cole and Arvi Gjoka},
journal= {arXiv preprint arXiv:2004.10340},
year = {2020}
}
备注
Fine-Grained Visual Categorization Workshop at CVPR 2020