| Title: | Overview of the SnakeCLEF 2020: Automatic snake species identification challenge |
| Other Titles: | Ohlédnutí za SnakeCLEF 2020: Soutěž automatického rozpoznávání druhů hadů |
| Authors: | Picek, Lukáš Bolon, Isabelle Durso, Andrew M. de Castañeda, Rafael Ruiz |
| Citation: | PICEK, L. BOLON, I. DURSO, AM. DE CASTAÑEDA, RR. Overview of the SnakeCLEF 2020: Automatic snake species identification challenge. In CEUR Workshop proceedings - CLEF 2020 Working Notes. Thessaloniki: CEUR Workshop Proceedings, 2020. s. nestránkováno. ISBN: neuvedeno , ISSN: 1613-0073 |
| Issue Date: | 2020 |
| Publisher: | CEUR Workshop Proceedings |
| Document type: | konferenční příspěvek ConferenceObject |
| URI: | 2-s2.0-85121812530 http://hdl.handle.net/11025/51438 |
| ISBN: | neuvedeno |
| ISSN: | 1613-0073 |
| Keywords in different language: | LifeCLEF, SnakeCLEF, fine grained visual categorisation, global health, epidemiology, snake bite, snake, reptile, benchmark, biodiversity, species identification, machine learchning, computer vision, classification |
| Abstract: | Vytvoření robustního a přesného systému umělé inteligence pro automatické rozpoznávání jednotlivých druhů hadů je důležitým úkolem pro biologickou diverzitu a v oblasti světového zdraví. Vzhledem k velkému přínosu navázaném na takovýto systém jsme připravili vědeckou soutěž zaměřenou na automatické rozpoznávání jednotlivých druhů hadů - SnakeCLEF2020, prostřednictvím které jsme zveřejnili evaluační platformu a expertně označená data. Soutěž SnakeCLEF2020 byl navržen tak, aby prostřednictvím evaluační platformy mohl sledovat výkonnost end-to-end systémů umělé inteligence vytvořený pro rozpoznávání druhů hadů. Společně s tím byla vytvořena rozsáhlou databázi dat čítající 287,632 obrázků náležících k 783 druhům hadů a pozorovaných napříč 145 zemí. V tomto článku popisujeme: 1) Popis dat, 2) principy a metody evaluace, 3) popis přihlášených a úspěšných systémů a 4) diskuzi získaných výsledků. |
| Abstract in different language: | Building a robust and accurate AI-driven system for automatic snake species identification is an important goal for biodiversity and global health. As the existence of such a system can potentially help to lower deaths and disabilities caused by snakebites, we have prepared SnakeCLEF2020: Automatic Snake Species Identification Challenge, which provides an evaluation platform and labeled data (including geographical information) for biodiversity and health research purposes. SnakeCLEF 2020 was designed to provide an evaluation platform that can help track the performance of end-to-end AI-driven snake species recognition systems. We have collected 287,632 images of 783 snake species from 145 countries. Here we report 1) a description of the provided data, 2) evaluation methodology and principles, 3) an overview of the systems submitted by the participating teams, and 4) a discussion of the obtained results. |
| Rights: | © authors |
| Appears in Collections: | Konferenční příspěvky / Conference Papers (KKY) OBD |
Files in This Item:
| File | Size | Format | |
|---|---|---|---|
| Picek_Overview_of_the_SnakeCLEF_2020.pdf | 12,29 MB | Adobe PDF | View/Open |
Please use this identifier to cite or link to this item:
http://hdl.handle.net/11025/51438Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.