相关实验视频
Updated: Sep 12, 2025
05:16
Flying Insect Detection and Classification with Inexpensive Sensors
Published on: October 15, 2014
25.3K
机器学习培训数据:超过50万张蝶和蝶 (Lepidoptera) 的图像,带有物种标签
Friederike Barkmann1, Andreas Lindner2,3, Ronald Würflinger4
1Department of Ecology, University of Innsbruck, Innsbruck, Austria.
Scientific data
|August 6, 2025
概括
这项研究引入了由公民科学家收集的来自奥地利的54万多张蝶和蝶图像的大数据集. 本资源有助于培训生物多样性监测和物种识别的深度学习模型.
科学领域:
- 生物多样性信息学 生物多样性信息学
- 机器学习在生态学的应用.
- 昆虫学 昆虫学是一门学科.
背景情况:
- 深度学习模型可以有效地处理基于图像的生物多样性数据.
- 公民科学平台产生有价值的生态数据.
- 从图像中准确识别物种对于生物多样性监测至关重要.
研究的目的:
- 为机器学习提供奥地利虫 (蝶和) 的综合数据集.
- 促进用于物种识别的细粒度分类模型的培训和评估.
- 支持生物多样性研究和公民科学倡议.
主要方法:
- 在奥地利收集了超过54万张185种蝶和蝶物种的图像.
- 利用来自"Schmetterlinge Österreichs"应用程序的公民科学数据.
- 通过专家昆虫学家验证,确保物种识别的准确性.
主要成果:
- 数据集具有显著的阶级不平衡,物种以1至近30,000张图像为代表.
- 它是对蝶和蝶图像分类的最大的公开数据集之一.
- 这些数据适合在细粒度识别任务上训练和评估机器学习模型.
结论:
- 这一数据集为推动类的自动物种识别提供了宝贵的资源.
- 它使研究能够处理生态数据集中的阶级不平衡.
- 这些发现支持在生物多样性评估中使用公民科学和深度学习.
