本研究提出了一种方法来排除训练和评估阶段的背景偏差，通过在动物重新识别中使用无监督技术实现特征对齐和姿势变化，从而在 ATRW、YakReID-103 和 ELPephants 等关键动物重新识别数据集上取得了卓越的结果。

May, 2024

我们推出了一个新的野生动物重新识别数据集 WildlifeReID-10k，包含超过 214k 张 10k 只个体动物的图像。该数据集由 30 个现有的野生动物重新识别数据集加上额外的处理步骤组成。我们认为，由于数据集中相似图像的普遍存在，标准（随机）的训练集和测试集划分对于野生动物重新识别是不适当的，并提出了一种基于提取特征相似性的新的相似性感知划分。为了促进公平的方法比较，我们针对封闭集和开放集设置都提供相似性感知划分，使用 MegaDescriptor 作为野生动物重新识别的基准模型，同时提供最佳结果的排行榜。我们公开发布数据集以及用于创建它的代码在 wildlife-datasets 库中，使得 WildlifeReID-10k 既高度精选又易于使用。

Jun, 2024

介绍了一个用于人行检测和人物识别的新数据集 PRW 及其评估，利用 6 个同步摄像头采集的视频，包含 932 个身份和 11,816 帧，使用了各种检测器和识别器的绩效分析，提出了两种改进措施，并评估了这些措施对于人物重新识别的效果。

Apr, 2016

开发了一个自动检测和识别老虎、斑马和美洲豹等有斑点物种个体的框架，使用了 Faster-RCNN 目标检测框架来有效地在图像中检测动物，在动物的侧面提取 AlexNet 特征并训练逻辑回归 (或线性 SVM) 分类器来识别个体。在相机陷阱老虎图像数据集上测试和评估后发现，和最先进的识别技术相比，我们的框架在检测结果方面具有完美的表现，在个体的识别方面，表现相似或更好。

May, 2020

通过使用 EnlightenGAN 和 YOLOv8，提出了一种准确的光照不变框架，用于老虎检测，其中通过光照增强提高了 61% 的 mAP 得分。这种方法在 ATRW 数据集上使得最先进的性能提高了约 6% 至 7%。

Nov, 2023

本文介绍了一种完整的方法来评估人物重新识别方法及其训练数据集在无监督实时操作方面的适用性，并以三个数据集为基准测试了四种方法，提供指南以帮助未来设计更好的人物重新识别流水线。

Dec, 2022

这篇论文对于人员再识别技术进行了全面的评估和表现评估，并实现了一个包括 11 个特征提取算法和 22 种度量学习技术的统一代 码库，使用 17 个不同的数据集进行了评估，旨在为这个领域提供公开、准确、全面的基准。

May, 2016

昆虫多样性丧失影响生态系统和农业，对昆虫研究提出了大规模机器学习和数据增强等解决方案。

Jun, 2024

该研究论文介绍了 WildlifeDatasets 工具集，一个开源工具集用于生态学家和计算机视觉 / 机器学习研究人员，它使用 Python 编写，提供了简单直接获取公开的野生动物数据集的方法，并提供了各种数据集预处理、性能分析和模型优化方法。我们在不同的场景和基准实验中展示了该工具集，包括了野生动物再识别数据集和方法的最全面比较，包括了局部描述符和深度学习方法。此外，我们提供了首个针对各种动物个体再识别的基础模型 - MegaDescriptor，该模型在动物再识别数据集上表现优异，超过了 CLIP 和 DINOv2 等预训练模型的性能。为了让该模型对大众可用以及方便集成到任何现有的野生动物监测应用中，我们通过 HuggingFace hub 提供了多个 MegaDescriptor 版本（即 Small、Medium 和 Large）。

Nov, 2023

该研究介绍了一份公开的大规模、长时间跨度的海龟照片数据集 ——SeaTurtleID2022。该数据集包含 8729 张照片，来自 13 年间收集的 438 只独特个体，是用于动物再识别的时间跨度最长的数据集。研究提出了基于时间感知的封闭集和开放集的数据划分方法，并展示了基于海龟的再识别方法的基准表现。最终，研究提出并评估了一种基于混合任务级联和 ArcFace 的海龟再识别系统，其准确率达到 86.8%。

Nov, 2023