May, 2023

粉色蛋数据集 V1：使用深度学习嵌入式解决方案管理入侵物种的一步

PDF
TL;DR介绍一个新数据集，其中包含被确认为沟螺卵的粉色蛋的图像及其边界框注释，旨在帮助研究者利用深度学习技术分析沟螺卵物种的扩散，并支持其他需要有关沟螺卵卵的视觉数据的调查工作。重要的是，由于该类相关分类学家家族中的其他物种也在美洲某些地区产卵，因此尚未明确确定这些蛋的身份，并且是否可以仅归因于侵入性沟螺卵，还是其他物种也参与其中，对于任何关于消灭这些蛋的决策，确定它们的身份是至关重要的。
发现论文，激发创造
  • 物种 196：一个百万级半监督数据集用于细粒度物种识别

    介绍了一个大规模的半监督数据集 Species196，包含 196 个入侵物种的专家级标注图像和大量无标签图像，并提供四种实验设置以评估现有模型和算法在入侵物种分类中的性能。

    Sep, 2023

  • HAM10000 数据集：常见色素性皮肤病多源皮肤镜图像的大规模收集

    利用具有不同种族和不同获取模式的皮肤镜图像，通过不同的采集和清洗方法以及半自动工作流程和特别训练的神经网络，我们成立了 HAM10000 数据集，这个数据集由 10015 个用于学术机器学习目的的皮肤镜图像组成，覆盖养猪场多种重要诊断范畴，用于训练神经网络。

    Mar, 2018

  • Fishnet 开放图像数据库：用于渔业中鱼类检测和细粒度分类的数据集

    本研究提供了 Fishnet 开源数据集，该数据集包含 86,029 张图像，涵盖了 34 种物体类别，为电子监控（EM）系统上的鱼类检测和精细分类提供了数据支持，并评估了现有的检测和分类算法的性能。

    Jun, 2021

  • 佛罗里达：虚假真实图像数据集

    通过评估 AI 工具和模型在检测深度伪造方面的有效性，该研究研究了这些模型是否能够准确识别看起来人工制作的真实图像。通过创建一个包含 510 个具有虚假外观的真实图像的数据集，并使用两种 AI 模型进行评估。研究结果显示，这两个模型在我们的数据集上表现不佳。此外，我们的数据集可以作为评估深度学习模型理解复杂视觉刺激能力的有价值工具。我们期望这项研究将在该领域激发进一步的讨论和研究。我们的数据集可以在此 https 网址上获取。

    Oct, 2023

  • 用于植物幼苗分类算法基准测试的公共图像数据库

    提供了一个包含 960 种不同植物的数据库，包括带有注释的 RGB 图像和基于 $f_{1}$ 分数的基准分类结果评估，可公开访问。

    Nov, 2017

  • 基于图像数据的深度神经网络对林蛙物种及新类别的识别

    我们使用机器学习的原理开发了新的工具来解决物种复合体相关问题，通过将图像分类为已知种群或新类别，并使用深度神经网络成功进行物种分类和检测，以及应用这些方法于物种复合体和真实生物多样性的记录。

    Nov, 2023

  • 用于水下视觉分析算法评估的真实鱼类栖息地数据集

    DeepFish 提出了一个大规模的、适用于多个计算机视觉任务的数据集，该数据集包含了约 40,000 张图像，覆盖了 20 个热带海洋环境的鱼类栖息地，并且收集了点级别和分割标签，可以用于鱼类数量的自动监测、位置的标识和大小的估计。该数据集可以作为一个测试基准，用于激励在这一具有挑战性的水下计算机视觉领域的进一步发展。

    Aug, 2020

  • GalliformeSpectra: 一种母鸡品种数据集

    该研究提供了一个全面的数据集，包含了 10 个不同的鸡种，源自全球各个地区，捕捉到了每个鸡种的独特特点和特性。该数据集由 1010 幅原始的 JPG 图像组成，展示了每个鸡种的外貌特征、羽毛图案和独特特征。这个数据集具备在家禽科学、遗传学和农业研究等领域进行研究和应用的潜力，可以探索和分析不同鸡种的独特特点和遗传特征，从而支持家禽养殖、农业和遗传研究的进展。

    Oct, 2023

  • LANTERN-RD: 用于深度学习的斑点 lanternfly 治理方法

    本文提出了 LANTERN-RD 数据集以及一种基于该数据集训练的 CNN 分类模型，用于检测和识别入侵植物 Spotted Lanternfly，此举对保护当地生态多样性和农业经济很有帮助。

    May, 2022

  • 使用深度学习从图像中定位关键点进行对虾形态测量和重量估计

    本研究应用了深度学习技术以黑虎对虾为模型生物，构建了自动化体重估算与形态测量的目标检测方法，并通过对 8,164 张黑虎对虾图像的实验评估表明，该方法的准确性、稳健性和效率均优于现有的深度学习方法。

    Jul, 2023