[논문 리뷰] A Step Towards Worldwide Biodiversity Assessment: The BIOSCAN-1M Insect Dataset

Zahra Gharaee, ZeMing Gong외 14명|arXiv (Cornell University)|2023. 07. 19.

Species Distribution and Climate Change인용 수 9

한 줄 요약

본 논문은 전문가 분류학 라벨과 연결된 유전자 바코드를 갖춘 큐레이션된 백만 이미지를 포함하는 BIOSCAN-Insect Dataset을 소개하고, 이미지 기반 분류학 평가를 위한 기준선 분류기 분석을 제시한다.

ABSTRACT

In an effort to catalog insect biodiversity, we propose a new large dataset of hand-labelled insect images, the BIOSCAN-Insect Dataset. Each record is taxonomically classified by an expert, and also has associated genetic information including raw nucleotide barcode sequences and assigned barcode index numbers, which are genetically-based proxies for species classification. This paper presents a curated million-image dataset, primarily to train computer-vision models capable of providing image-based taxonomic assessment, however, the dataset also presents compelling characteristics, the study of which would be of interest to the broader machine learning community. Driven by the biological nature inherent to the dataset, a characteristic long-tailed class-imbalance distribution is exhibited. Furthermore, taxonomic labelling is a hierarchical classification scheme, presenting a highly fine-grained classification problem at lower levels. Beyond spurring interest in biodiversity research within the machine learning community, progress on creating an image-based taxonomic classifier will also further the ultimate goal of all BIOSCAN research: to lay the foundation for a comprehensive survey of global biodiversity. This paper introduces the dataset and explores the classification task through the implementation and analysis of a baseline classifier.

연구 동기 및 목표

• 대규모의 수작업 라벨링 곤충 이미지 데이터셋을 통해 전 세계 생물다양성 평가를 촉진하고 가능하게 한다.
• 현실 세계의 생물다양성 복잡성을 반영하도록 계층적이고 미세한 분류학 라벨을 제공한다.
• 분류 작업의 보조 데이터로 유전 정보(원시 뉴클레오티드 바코드 및 바코드 인덱스 번호)를 통합한다.
• 전 세계 생물다양성 조사 지원을 위한 이미지 기반 분류학의 가능성을 보여준다.

제안 방법

• 전문 분류학적 분류를 가진 백만 이미지 곤충 데이터세트를 구성하고 큐레이션한다.
• 각 레코드에 원시 뉴클레오티드 바코드 시퀀스 및 바코드 인덱스 번호를 포함한 관련 유전 정보를 첨부한다.
• 생물학적 데이터셋에 고유한 롱테일 클래스 불균형 특성을 강조한다.
• 분류 작업을 위한 계층적이고 미세한 분류체계의 과제를 규명한다.
• 데이터셋에 대해 기준선 이미지 기반 분류학 분류기를 구현하고 분석한다.

실험 결과

연구 질문

• RQ1 이미지 기반 방법이 계층적이고 미세한 곤충 분류학에서 분류를 달성할 수 있는가?
• RQ2 롱테일 클래스 분포가 이미지 기반 생물다양성 분류 성능에 어떤 영향을 미치는가?
• RQ3 이미지 기반 분류를 지원하는 보조유전 바코드 정보의 역할은 무엇인가?
• RQ4 BIOSCAN 데이터를 이용한 글로벌 생물다양성 조사에 유용한 출발점을 제공할 수 있는 기준선 분류기가 있는가?

주요 결과

• The BIOSCAN-Insect Dataset는 분류학 평가를 위한 큐레이션된 백만 이미지 자원으로 제시된다.
• 데이터셋은 생물학적 데이터에 일반적인 롱테일 클래스 불균형 특성을 보인다.
• 하위 수준에서 분류학 라벨은 계층적이고 매우 미세한 체계를 따른다.
• 향후 연구의 출발점을 마련하기 위해 데이터셋에서 기준선 이미지 기반 분류기를 구현하고 분석한다.
• 본 연구는 데이터셋이 전 세계 생물다양성 조사를 위한 더 넓은 노력에 기여할 가능성을 강조한다.