谷歌开启 Naturalist 2018 挑战赛，大型物种分类技术有望突破

雷锋网 AI 研习社按：计算机视觉技术从 70 年代到现在，40 多年时间得到迅速发展，许多计算机视觉的应用出现在了生产生活领域。尤其是到了 2012 年，基于深度学习的图像识别技术出现，极大地提高了计算机视觉的识别精确度，在一些特定场景下，机器的识别错误率已经远低于人眼识别的错误率。与此同时，研究员也发现在真实世界中，那些细粒度，实例级级别的物体识别还存在很大的挑战！

为了能使这一领域得到快速突破，谷歌向全球 CV 领域的开发者们发送了 iNaturalist 2018 挑战赛的邀请函。iNaturalist 2018 挑战赛是 iNaturalist 和 Visipedia 合作举办的大型物种分类竞赛。这个挑战赛仅仅是 CVPR 2018 FGVC5 研讨会上的众多挑战之一。

以下是雷锋网对 iNaturalist 2018 挑战赛介绍的编译。

随着深度学习近些年的快速发展，机器视觉识别能力也在大大提高。目前已经可将计算机视觉技术应用于自动驾驶、行人检测、虚拟现实、表情识别等任务。然而，计算机视觉仍然面临着细粒度和实例级别领域的挑战。本月早些时候，我们发布了识别个别地标的实例级地标识别挑战。这个挑战中，我们专注于细粒度的视觉识别，即区分动植物物种，汽车和摩托车模型，建筑风格等。对于计算机来说，鉴别细粒度类别非常具有挑战性，因为许多类别的训练样本相对较少，存在的样本通常缺乏权威的训练标签，并且在照明，视角和物体遮挡方面都有很大的易变性。

为了能战胜这些困难和障碍，我们很高兴宣布 2018 年 iNaturalist 挑战赛（iNat-2018）正式启动报名。这是一项与 iNaturalist 和 Visipedia（简称 Visual Encyclopedia）合作举办的物种分类竞赛，是加州理工学院（Caltech）和康奈尔纽约校区（Cornell Tech）被评为 Google 重点研究奖的一个项目。第五届国际细粒度视觉分类研讨会（FGVC5）将在 CVPR 2018 上举办，在第一届 iNaturalist 挑战基础之上，iNat-2017，iNat-2018 跨越 8000 多种植物，动物和真菌类别，拥有共超过 45 万个训练图像样本。我们邀请参与者在 Kaggle 上参加比赛，最终的实验结果提交日期截止到今年的 6 月初。训练数据，注释和预训练模型链接都可以在我们的 GitHub 中找到。

• GitHub地址：https://github.com/visipedia/inat_comp
• Kaggle报名地址：https://www.kaggle.com/c/inaturalist-2018

iNaturalist 数据集中的一些照片：

您可能会注意到左边的照片中有一只乌龟，但是你是否也知道这是一个彩龟属（Trachemys scripta），俗名「滑龟」？如果你知道后者，你就拥有细粒度或从属类别的知识。

与其他图像分类数据集（如 ImageNet）相反，iNaturalist 挑战中的数据集呈现长尾分布，许多种类的图像相对较少。让机器学习模型能够处理长尾类别很重要，因为自然世界严重不平衡 - 有些物种比其他物种更丰富且更容易拍摄。iNaturalist 挑战赛将促进机器学习模型的进步，因为 iNat-2018 的训练分布比 iNat-2017 更长。

与 iNat-2018 一起，FGVC5 还将举办 iMaterialist 2018 挑战赛（包括家具分类挑战和产品图像的时尚属性挑战）以及一系列代表规模较小但仍然重要的挑战——「FGVCx」挑战，例如，以食物和现代艺术为内容的识别挑战。

FGVC5 将在 CVPR 2018 的主会场上展示，从而确保为表现最佳的团队提供大量曝光。该项目将推动现实世界中的细粒度类别，严重的类别不平衡和大量的类别图像自动分类技术更进一步。我们诚挚地邀请您参加这些比赛，并帮助推动这一领域的发展！

致谢

感谢 iNaturalist，Visipedia 和 FGVC5 的同事和朋友们一起努力推进这一重要领域的发展。 还要感谢 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。