Agritrop
Accueil

Plant identification: man vs. machine. LifeCLEF 2014 plant identification challenge

Plant identification: man vs. machine. LifeCLEF 2014 plant identification challenge. Bonnet Pierre, Joly Alexis, Goeau Hervé, Champ Julien, Vignau Christel, Molino Jean-François, Barthélémy Daniel, Boujemaa Nozha. 2016. Multimedia Tools and Applications, 75 (3) : 1647-1665.
http://dx.doi.org/10.1007/s11042-015-2607-4

[img] Version publiée - Anglais
Accès réservé aux agents Cirad
Utilisation soumise à autorisation de l'auteur ou du Cirad.
580350.pdf

Télécharger (3MB) | Demander une copie

Article de revue ; Article de revue à facteur d'impact

Quartile : Q2, Sujet : COMPUTER SCIENCE, THEORY & METHODS / Quartile : Q2, Sujet : COMPUTER SCIENCE, SOFTWARE ENGINEERING / Quartile : Q3, Sujet : ENGINEERING, ELECTRICAL & ELECTRONIC / Quartile : Q3, Sujet : COMPUTER SCIENCE, INFORMATION SYSTEMS

Liste HCERES des revues (en SHS) : oui

Thème(s) HCERES des revues (en SHS) : Psychologie-éthologie-ergonomie

Résumé : This paper reports a large-scale experiment aimed at evaluating how state-of-art computer vision systems perform in identifying plants compared to human expertise. A subset of the evaluation dataset used within LifeCLEF 2014 plant identification challenge was therefore shared with volunteers of diverse expertise, ranging from the leading experts of the targeted flora to inexperienced test subjects. In total, 16 human runs were collected and evaluated comparatively to the 27 machine-based runs of LifeCLEF challenge. One of the main outcomes of the experiment is that machines are still far from outperforming the best expert botanists at the image-based plant identification competition. On the other side, the best machine runs are competing with experienced botanists and clearly outperform beginners and inexperienced test subjects. This shows that the performances of automated plant identification systems are very promising and may open the door to a new generation of ecological surveillance systems. (Résumé d'auteur)

Mots-clés Agrovoc : Flore, Plante, Taxonomie, Identification, Banque de données, Photographie, Logiciel, Analyse de données, Méthode statistique

Classification Agris : F70 - Taxonomie végétale et phyto-géographie
U40 - Méthodes de relevé
U10 - Méthodes mathématiques et statistiques
C30 - Documentation et information

Axe stratégique Cirad : Axe 6 (2014-2018) - Sociétés, natures et territoires

Auteurs et affiliations

  • Bonnet Pierre, CIRAD-BIOS-UMR AMAP (FRA)
  • Joly Alexis, INRIA (FRA)
  • Goeau Hervé, INRIA (FRA)
  • Champ Julien, INRIA (FRA)
  • Vignau Christel, Tela Botanica (FRA)
  • Molino Jean-François, IRD (FRA)
  • Barthélémy Daniel, CIRAD-DG-Direction générale/Service d'appui auprès des unités de recherche et des services (FRA)
  • Boujemaa Nozha, INRIA (FRA)

Source : Cirad-Agritrop

Accès réservé

Voir la notice Voir la notice

[ Page générée et mise en cache le 2017-10-04 ]