NACTI

长尾方法对NACTI物种识别进行基准测试

研究人员开发并基准测试了北美相机陷阱图像（NACTI）数据集中的物种识别新方法，该数据集存在严重的类别不平衡问题。利用PyTorch Wildlife模型和专门的长尾识别（LTR）技术，他们在NACTI测试集上实现了99.40%的Top-1准确率。尽管改进后的模型在各种挑战性条件下和独立数据集上表现出更强的泛化能力，但由于表示瓶颈，在严重的领域偏移下，它仍然难以处理稀有的“尾部”类别。