FGVC11 介绍
FGVC11是第十一届细粒度视觉分类研讨会，将于2024年6月18日在西雅图举行，与CVPR 2024会议同期举办。该研讨会的主题围绕着细粒度视觉分类展开，旨在探讨在领域中存在有限训练数据和高度相似类别的情况下，现有技术表现不佳的问题。
FGVC11将探讨监督学习、自监督学习、半监督学习、视觉与语言、匹配、定位、域自适应、迁移学习、少样本学习、机器教学、多模态学习（如音频和视频）、三维视觉、众包、图像字幕生成、离群检测、异常检测、开放集识别、人机协作学习和分类预测等与细粒度理解相关的主题。
BugNIST 赛题
BugNIST挑战赛是FGVC11研讨会在CVPR 2024的一部分，旨在检测和分类在域转移下混合物中的物体，并为体积数据分析方法的进步做出贡献。你的任务是训练一个模型，能够检测和分类混有多种物体和材料的体积中的虫子。
FungiCLEF2024 赛题
FungiCLEF2024竞赛旨在促进真菌物种的自动识别，以帮助真菌学家、公民科学家和自然爱好者识别野生物种，并支持收集宝贵的生物多样性数据。
赛题任务是给定一组真菌物种的实际观察数据及其对应的元数据，任务的目标是创建一个分类模型，为每个观察结果（同一物种的多张照片+地理位置）返回一个预测物种的排序列表。
GeoLifeCLEF2024 赛题
GeoLifeCLEF2024赛题旨在利用各种可能的预测因子（卫星图像和时间序列、气候时间序列以及其他栅格化的环境数据：土地覆盖、人类足迹、生物气候和土壤变量）来预测给定位置和时间的植物物种。这对于许多生物多样性管理和保护场景、改进物种识别和清单工具以及教育目的都是有用的。
为此，我们提供了一个大规模的训练集，其中包含约500万个欧洲植物出现记录（单标签，仅存在数据），以及一个包含约5000个地块的验证集和一个包含20000个地块的测试集，所有这些地块都有存在的物种（多标签，存在-不存在数据）。
HyperLeaf2024 赛题
HyperLeaf2024挑战包括2410张小麦叶片的高光谱图像，涵盖了多种品系和肥料水平，并在不同的曝光和不同的阳光条件下拍摄。该挑战旨在开发用于精细预测小麦田特性、植物健康指标和产量的模型。
iBioHash2024 赛题
与去年不同，本次赛题任务现在可以描述为大规模零样本细粒度图像哈希。参与者必须利用从iNaturalist获取的提供的训练数据，为图库/查询集中的所有图像（共1,000个子类别）提供低维二进制哈希码。该挑战的总体目标是评估与检索和哈希相关的最先进算法的检索性能，从而大大降低存储成本并增加查询速度。
PlantTraits2024 赛题
赛题旨在从公民科学植物照片中预测植物特性，即所谓的植物性状。数据集包括来自iNaturalist项目（从Gbif获取）的超过7万张植物图像。每张植物图像都结合了辅助信息、环境数据（气候或土壤属性）和卫星观测。这些照片和辅助信息（x）将被用来预测植物性状（y）。植物性状的信息来自TRY数据库。
PlantCLEF2024 赛题
植被样地清查对生态研究至关重要，它能够进行标准化采样、评估生物多样性、长期监测和远程大规模调查。赛题将作为一个多标签分类任务进行评估，旨在预测高分辨率样地图像上可见的所有植物物种。任务的主要困难在于测试数据（高分辨率的多标签植被样地图像）和训练数据（单标签的单个植物图像）之间的差异。
SnakeCLEF2024 赛题
尽管机器在预测方面表现出准确性，尤其是对于长尾分布和1800多种蛇类，但在忽视地区仍存在挑战。下一步涉及在特定的热带和亚热带国家进行测试，同时考虑到物种的医学重要性，以实现更可靠的机器预测。
SnakeCLEF挑战旨在成为基于观察的蛇种识别的主要基准。任务的目标是创建一个分类模型，为每组图像和位置（即蛇的观察）返回一个预测物种的排序列表，并尽量减少对人类生命的危险和抗蛇毒血清的浪费，如果来自图像中的蛇的咬伤被视为来自排名最高的预测。
FathomNet2024 赛题
信息更新中…
