诺森伯兰海豚数据集：用于细粒度分类的多媒体个体鲸类数据集
计算机视觉与模式识别
2019-08-08 v1 机器学习
摘要
鲸类研究的方法包括照片识别（photo-id）与被动声学监测（PAM），每次考察会生成数千张图像，目前由研究人员手工分类为所观测到的个体海豚。面对海量数据，开发能够快速分类的系统至关重要。诺森伯兰海豚数据集（NDD）是一个持续进行的新型数据集项目，由白吻海豚的水上与水下图像以及其哨声的谱图组成。这些数据通过 photo-id 与 PAM 数据收集方法应用于英国诺森伯兰海岸外而得到。该数据集将有助于构建鲸类识别模型，减少分类图像所需的人工小时数。文中考察了示例用例与已确定可加速的领域。
引用
@article{arxiv.1908.02669,
title = {The Northumberland Dolphin Dataset: A Multimedia Individual Cetacean Dataset for Fine-Grained Categorisation},
author = {Cameron Trotter and Georgia Atkinson and Matthew Sharpe and A. Stephen McGough and Nick Wright and Per Berggren},
journal= {arXiv preprint arXiv:1908.02669},
year = {2019}
}
备注
4 pages, 4 figures, submitted to FGVC6 Workshop at CVPR2019