[论文解读] Overview of LifeCLEF Plant Identification task 2020

Hervé Goëau, Pierre Bonnet+1 more|Agritrop (Cirad)|Sep 23, 2025

Genomics and Phylogenetic Studies参考文献 2被引用 12

一句话总结

本文介绍 LifeCLEF 2020 植物识别挑战，聚焦使用标本薄片的跨域植物识别，以帮助热带地区野外照片识别，详细描述数据集、任务设置、参赛方法、结果与洞察。

ABSTRACT

Automated identification of plants has improved considerably thanks to the recent progress in deep learning and the availability of training data with more and more photos in the field. However, this profusion of data only concerns a few tens of thousands of species, mostly located in North America and Western Europe, much less in the richest regions in terms of biodiversity such as tropical countries. On the other hand, for several centuries, botanists have collected, catalogued and systematically stored plant specimens in herbaria, particularly in tropical regions, and the recent efforts by the biodiversity informatics community made it possible to put millions of digitized sheets online. The LifeCLEF 2020 Plant Identification challenge (or "PlantCLEF 2020") was designed to evaluate to what extent automated identification on the flora of data deficient regions can be improved by the use of herbarium collections. It is based on a dataset of about 1,000 species mainly focused on the South America's Guiana Shield, an area known to have one of the greatest diversity of plants in the world. The challenge was evaluated as a cross-domain classification task where the training set consist of several hundred thousand herbarium sheets and few thousand of photos to enable learning a mapping between the two domains. The test set was exclusively composed of photos in the field. This paper presents the resources and assessments of the conducted evaluation, summarizes the approaches and systems employed by the participating research groups, and provides an analysis of the main outcomes.

研究动机与目标

• 在数据稀缺的热带地区，将标本薄片与野外照片之间的跨域植物识别进行动机阐述并评估。
• 提供一个大规模数据集和任务协议，推动植物识别的领域自适应研究。
• 评估最先进的方法在跨域中转移知识的能力，以及对稀有物种的泛化性。
• 分析提交的方法，识别哪些策略在少量野外照片场景下表现最佳。

提出的方法

• 描述 PlantCLEF 2020 数据集，包含 997 个物种和 321,270 份标本薄片，以及用于训练的 6,316 张野外照片。
• 定义一个跨域学习任务，其中训练使用标本薄片和有限的野外照片，而测试数据为野外照片。
• 通过在完整测试集和一个包含少量野外照片的困难子集上的平均倒数排名（MRR）来评估提交结果。
• 分析结果以比较经典卷积神经网络（CNN）与领域自适应方法（包括对抗性和三元组/嵌入式方法）在跨域设置中的表现。
• 讨论外部数据和多任务学习对性能和泛化性的影响。

实验结果

研究问题

• RQ1 标本薄片数据能否有效转移到数据稀缺的热带植物野外照片识别？
• RQ2 哪些领域自适应策略最能弥合标本薄片-野外之间的差距以实现植物物种识别？
• RQ3 外部数据与分类信息如何影响跨域植物识别性能？
• RQ4 多任务和自监督辅助任务是否提升对稀有物种的识别？
• RQ5 在困难物种上的总体性能与泛化性之间的权衡？

主要发现

• 在各次运行中的最佳整体 MRR 为 0.18，表明这是一个极具挑战性的任务。
• 对抗性领域自适应（FSADA）在主 MRR 指标上优于其他方法。
• 使用标本-野外三元组损失的两流/嵌入式方法在易/难物种上都表现出强泛化性。
• 外部数据显著提升某些对抗性方法的主 MRR，而利用分类信息的多任务设置特别有助于稀有物种的性能。
• 在此跨域设置中，显式的领域自适应方法明显优于在没有自适应的情况下对纯 CNN 进行微调。
• 对 FSADA 变体的集成在提交中实现了最佳总体结果。