HyperAIHyperAI
vor 11 Tagen

MVA2023 Small Object Detection Challenge zur Vogelidentifikation: Datensatz, Methoden und Ergebnisse

Yuki Kondo, Norimichi Ukita, Takayuki Yamaguchi, Hao-Yu Hou, Mu-Yi Shen, Chia-Chi Hsu, En-Ming Huang, Yu-Chen Huang, Yu-Cheng Xia, Chien-Yao Wang, Chun-Yi Lee, Da Huo, Marc A. Kastner, Tingwei Liu, Yasutomo Kawanishi, Takatsugu Hirayama, Takahiro Komamizu, Ichiro Ide, Yosuke Shinya, Xinyao Liu, Guang Liang, Syusuke Yasui
MVA2023 Small Object Detection Challenge zur Vogelidentifikation: Datensatz, Methoden und Ergebnisse
Abstract

Die Erkennung kleiner Objekte (Small Object Detection, SOD) ist ein bedeutendes Thema im Bereich der maschinellen Vision, da (i) eine Vielzahl realweltlicher Anwendungen die Objekterkennung für entfernte Objekte erfordert und (ii) die SOD-Aufgabe aufgrund der rauschhaften, verschwommenen und wenig informativen Bildmerkmale kleiner Objekte besonders herausfordernd ist. In diesem Beitrag wird ein neuer SOD-Datensatz vorgestellt, der aus 39.070 Bildern mit insgesamt 137.121 Instanzen von Vögeln besteht und als Small Object Detection for Spotting Birds (SOD4SB) bezeichnet wird. Die Herausforderung im Zusammenhang mit dem SOD4SB-Datensatz wird in diesem Artikel ausführlich beschrieben. Insgesamt nahmen 223 Teilnehmer an dieser Herausforderung teil. Der Beitrag führt kurz die preisgekrönten Methoden vor. Der Datensatz, der Baseline-Code sowie die Website zur Evaluation auf dem öffentlichen Testset sind öffentlich zugänglich.