WildlifeReID-10k: Wildlife Re-Identification Dataset with 10k Individual Animals

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23220%2F25%3A43976617" target="_blank" >RIV/49777513:23220/25:43976617 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/49777513:23520/25:43976617

Výsledek na webu

<a href="https://ieeexplore.ieee.org/document/11147894" target="_blank" >https://ieeexplore.ieee.org/document/11147894</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/CVPRW67362.2025.00197" target="_blank" >10.1109/CVPRW67362.2025.00197</a>

Jazyk výsledku

angličtina

Název v původním jazyce

WildlifeReID-10k: Wildlife Re-Identification Dataset with 10k Individual Animals

Popis výsledku v původním jazyce

This paper introduces WildlifeReID-10k, a new large-scale re-identification benchmark with more than 10k animal identities of around 33 species across more than 140k images, resampled from 37 existing datasets. WildlifeReID-10k covers diverse animal species and poses significant challenges for SoTA methods, ensuring fair and robust evaluation through its time-aware and similarity-aware split protocol. The latter is designed to address the common issue of training-to-test data leakage caused by visually similar images appearing in both training and test sets. The WildlifeReID-10k dataset and benchmark are publicly available on Kaggle, along with strong baselines for both closed-set and open-set evaluation, enabling fair, transparent, and standardized evaluation of not just multi-species animal re-identification models.

Název v anglickém jazyce

WildlifeReID-10k: Wildlife Re-Identification Dataset with 10k Individual Animals

Popis výsledku anglicky

This paper introduces WildlifeReID-10k, a new large-scale re-identification benchmark with more than 10k animal identities of around 33 species across more than 140k images, resampled from 37 existing datasets. WildlifeReID-10k covers diverse animal species and poses significant challenges for SoTA methods, ensuring fair and robust evaluation through its time-aware and similarity-aware split protocol. The latter is designed to address the common issue of training-to-test data leakage caused by visually similar images appearing in both training and test sets. The WildlifeReID-10k dataset and benchmark are publicly available on Kaggle, along with strong baselines for both closed-set and open-set evaluation, enabling fair, transparent, and standardized evaluation of not just multi-species animal re-identification models.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2025

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

2025 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW)

ISBN

979-8-3315-9994-2

ISSN

2160-7508

e-ISSN

2160-7516

Počet stran výsledku

11

Strana od-do

2090-2100

Název nakladatele

IEEE Computer Society

Místo vydání

Nashville

Místo konání akce

Nashville

Datum konání akce

11. 6. 2025

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—