谷歌開啟 Naturalist 2018 挑戰賽，大型物種分類技術有望突破

雷鋒網 AI 研習社按：計算機視覺技術從 70 年代到現在，40 多年時間得到迅速發展，許多計算機視覺的應用出現在了生產生活領域。尤其是到了 2012 年，基於深度學習的圖像識別技術出現，極大地提高了計算機視覺的識別精確度，在一些特定場景下，機器的識別錯誤率已經遠低於人眼識別的錯誤率。與此同時，研究員也發現在真實世界中，那些細粒度，實例級級別的物體識別還存在很大的挑戰！

為了能使這一領域得到快速突破，谷歌向全球 CV 領域的開發者們發送了 iNaturalist 2018 挑戰賽的邀請函。iNaturalist 2018 挑戰賽是 iNaturalist 和 Visipedia 合作舉辦的大型物種分類競賽。這個挑戰賽僅僅是 CVPR 2018 FGVC5 研討會上的眾多挑戰之一。

以下是雷鋒網對 iNaturalist 2018 挑戰賽介紹的編譯。

隨著深度學習近些年的快速發展，機器視覺識別能力也在大大提高。目前已經可將計算機視覺技術應用於自動駕駛、行人檢測、虛擬現實、表情識別等任務。然而，計算機視覺仍然面臨著細粒度和實例級別領域的挑戰。本月早些時候，我們發布了識別個別地標的實例級地標識別挑戰。這個挑戰中，我們專註於細粒度的視覺識別，即區分動植物物種，汽車和摩托車模型，建築風格等。對於計算機來說，鑒別細粒度類別非常具有挑戰性，因為許多類別的訓練樣本相對較少，存在的樣本通常缺乏權威的訓練標籤，並且在照明，視角和物體遮擋方面都有很大的易變性。

為了能戰勝這些困難和障礙，我們很高興宣布 2018 年 iNaturalist 挑戰賽（iNat-2018）正式啟動報名。這是一項與 iNaturalist 和 Visipedia（簡稱 Visual Encyclopedia）合作舉辦的物種分類競賽，是加州理工學院（Caltech）和康奈爾紐約校區（Cornell Tech）被評為 Google 重點研究獎的一個項目。第五屆國際細粒度視覺分類研討會（FGVC5）將在 CVPR 2018 上舉辦，在第一屆 iNaturalist 挑戰基礎之上，iNat-2017，iNat-2018 跨越 8000 多種植物，動物和真菌類別，擁有共超過 45 萬個訓練圖像樣本。我們邀請參與者在 Kaggle 上參加比賽，最終的實驗結果提交日期截止到今年的 6 月初。訓練數據，注釋和預訓練模型鏈接都可以在我們的 GitHub 中找到。

GitHub地址：https://github.com/visipedia/inat_comp

Kaggle報名地址：https://www.kaggle.com/c/inaturalist-2018

iNaturalist 數據集中的一些照片：

您可能會注意到左邊的照片中有一隻烏龜，但是你是否也知道這是一個彩龜屬（Trachemys scripta），俗名「滑龜」？如果你知道後者，你就擁有細粒度或從屬類別的知識。

與其他圖像分類數據集（如 ImageNet）相反，iNaturalist 挑戰中的數據集呈現長尾分布，許多種類的圖像相對較少。讓機器學習模型能夠處理長尾類別很重要，因為自然世界嚴重不平衡 - 有些物種比其他物種更豐富且更容易拍攝。iNaturalist 挑戰賽將促進機器學習模型的進步，因為 iNat-2018 的訓練分布比 iNat-2017 更長。

與 iNat-2018 一起，FGVC5 還將舉辦 iMaterialist 2018 挑戰賽（包括傢具分類挑戰和產品圖像的時尚屬性挑戰）以及一系列代表規模較小但仍然重要的挑戰——「FGVCx」挑戰，例如，以食物和現代藝術為內容的識別挑戰。

FGVC5 將在 CVPR 2018 的主會場上展示，從而確保為表現最佳的團隊提供大量曝光。該項目將推動現實世界中的細粒度類別，嚴重的類別不平衡和大量的類別圖像自動分類技術更進一步。我們誠摯地邀請您參加這些比賽，並幫助推動這一領域的發展！

致謝

感謝 iNaturalist，Visipedia 和 FGVC5 的同事和朋友們一起努力推進這一重要領域的發展。 還要感謝 Google 的 Hartwig Adam，Weijun Wang，Nathan Frey，Andrew Howard，Alessandro Fin，Yuning Chai，Xiao Zhang，Jack Sim，Yuan Li，Grant Van Horn，Yin Cui，Chen Sun，Yanan Qian，Grace Vesom， Tanya Birch，Wendy Kan 和 Maggie Demkin。

viaGoogle Research Blog

NLP 工程師入門實踐班：基於深度學習的自然語言處理

三大模塊，五大應用，手把手快速入門 NLP

海外博士講師，豐富項目經驗

演算法 + 實踐，搭配典型行業應用

隨到隨學，專業社群，講師在線答疑

新人福利

關注 AI 研習社（okweiwu），回復1領取

【超過 1000G 神經網路 / AI / 大數據，教程，論文】

Kaggle Carvana 圖像分割比賽冠軍模型 TernausNet 解讀

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！