FGVC8研讨会上的半监督iNaturalist挑战赛
计算机视觉与模式识别
2021-06-24 v1 机器学习
摘要
Semi-iNat是一个具有类长尾分布、细粒度类别以及标注与未标注数据间域偏移的半监督分类挑战性数据集。该数据集是将在CVPR 2021的FGVC8研讨会上举办的第二届半监督识别挑战赛的基础。与上一届不同，该数据集（i）包含自然分类法中不同界别的物种图像，（ii）规模更大——包含810个类内和1629个类外物种，共计33万张图像，并且（iii）不提供类内/类外标签，但为未标注图像提供粗分类标签（界和门）。本文档描述了基线结果及数据集细节，数据集可在此获取：\url{https://github.com/cvl-umass/semi-inat-2021}。
引用
@article{arxiv.2106.01364,
title = {The Semi-Supervised iNaturalist Challenge at the FGVC8 Workshop},
author = {Jong-Chyi Su and Subhransu Maji},
journal= {arXiv preprint arXiv:2106.01364},
year = {2021}
}
备注
Tech report for Semi-iNat 2021 challenge, competition page: https://github.com/cvl-umass/semi-inat-2021