Описание
Pl@ntNet is a participatory botanical observation platform allowing to identify plants from photos (using deep learning) and to share the observations with the community. The platform has three main front-ends: Pl@ntNet androïd (http://bit.ly/1K4D1eU), Pl@ntNet iOS (http://apple.co/2cMtWgu) and Pl@ntNet web (https://identify.plantnet.org/). Pl@ntNet was founded in 2010 by a consortium of four French research organisms (CIRAD, Inria, INRAE and IRD) and is now open to other members. More information about Pl@ntNet can be found at https://plantnet.org/. The occurrences in this collection are Pl@ntNet observations that have been identified only by the deep learning algorithm but which the algorithm confidence was sufficiently high to consider them as valid.
Записи данных
Данные этого occurrence ресурса были опубликованы в виде Darwin Core Archive (DwC-A), который является стандартным форматом для обмена данными о биоразнообразии в виде набора из одной или нескольких таблиц. Основная таблица данных содержит 12 142 287 записей.
Данный экземпляр IPT архивирует данные и таким образом служит хранилищем данных. Данные и метаданные ресурсов доступны для скачивания в разделе Загрузки. В таблице версий перечислены другие версии ресурса, которые были доступны публично, что позволяет отслеживать изменения, внесенные в ресурс с течением времени.
Версии
В таблице ниже указаны только опубликованные версии ресурса, которые доступны для свободного скачивания.
Как оформить ссылку
Исследователи должны дать ссылку на эту работу следующим образом:
AFFOUARD A, JOLY A, LOMBARDO J, CHAMP J, GOEAU H, CHOUET M, GRESSE H, BOTELLA C, BONNET P (2023): Pl@ntNet automatically identified occurrences. v1.8. Pl@ntNet. Dataset/Occurrence. https://ipt.plantnet.org/resource?r=queries&v=1.8
Права
Исследователи должны соблюдать следующие права:
Публикующей организацией и владельцем прав на данную работу является Pl@ntNet. This work is licensed under a Creative Commons Attribution (CC-BY) 4.0 License.
Регистрация в GBIF
Этот ресурс был зарегистрирован в GBIF, ему был присвоен следующий UUID: 14d5676a-2c54-4f94-9023-1e8dcd822aa0. Pl@ntNet отвечает за публикацию этого ресурса, и зарегистрирован в GBIF как издатель данных при оподдержке GBIF France.
Ключевые слова
Occurrence; Observation; Occurrence
Контакты
Кто является создателем ресурса:
-
Кто может ответить на вопросы о ресурсе:
Кем заполнены метаданные:
-
Кто еще связан с данным ресурсом:
Географический охват
Plant observations from Pl@ntNet users come from all around the world.
Ограничивающие координаты | Юг Запад [-90, -180], Север Восток [90, 180] |
---|
Таксономический охват
Pl@ntNet observations focus on plants.
Kingdom | Plantae (Plant) |
---|
Данные проекта
PlantNet is a participatory botanical observation platform allowing to identify plants from photos (using deep learning) and share observations with the community. This resource contains occurrences of plants automatically inferred from the plant observations submitted by the users of PlantNet application.
Название | Pl@ntNet Queries |
---|---|
Идентификатор | queries |
Финансирование | PlantNet is an open consortium founded by four French research organizations (CIRAD, Inria, INRAE, IRD) and supported by Agropolis Fondation. The two main funding resources are: (i) the annual contribution of the members of the consortium, (ii) donations from the end-users of PlantNet application (>10 million users). |
Описание района исследования | Entire world |
Исполнители проекта:
Методы сбора
No sampling protocol, opportunistic observations by Pl@ntNet users.
Охват исследования | Entire world, Plantae. |
---|---|
Контроль качества | The validation is based on two main criteria: - the output of the automated identification algorithm is greater than a threshold (more precisely the top-1 probability output by the convolutional neural network is greater than 0.9) - the species name matches the checklist considered as the most trusted one for the country where the observation was done |
Описание этапа методики:
- This collection contains occurrences of plants automatically identified from the observations submitted by Pl@ntNet users to identify them (using one of the three applications: androïd, iOS, web, more information here: https://plantnet.org/). The following filters were applied: - is geolocated - is valid (top-1 softmax output > 0.9) - from a user with an enabled account or from an anonymous user - with a known species name (valid or synonym) in PN - species name != Cannabis - date_query > 0 - remove shared queries (already present in observation dataset) - remove duplicate session (keep the most recent query based on the session number) - must be in one of the WGSRPD polygon level 3 and the binomial species name (without author) must match a species of the corresponding Kew checklist
Библиографические ссылки
- Joly, A., Goëau, H., Bonnet, P., Bakić, V., Barbe, J., Selmi, S., ... & Yahiaoui I., Carré J., Mouysset E., Molino J.-f., Boujemaa B., Barthélémy D., (2014). Interactive plant identification based on social image data. Ecological Informatics, 23, 22-34. https://doi.org/10.1016/j.ecoinf.2013.07.006
- Joly, A., Bonnet, P., Goëau, H., Barbe, J., Selmi, S., Champ, J., Dufour-Kowalski, S., Affouard, A., Carré, J., Molino, J.-f., Boujemaa, N., & Barthélémy D., (2016). A look inside the Pl@ntNet experience. Multimedia Systems, 22(6), 751-766. https://doi.org/10.1007/s00530-015-0462-9
- Goëau, H., Bonnet, P., Joly, A., 2017. Plant identification based on noisy web data: the amazing performance of deep learning (LifeCLEF 2017). CLEF: Conference and Labs of the Evaluation Forum, Sep 2017, Dublin, Ireland. ⟨hal-01629183⟩ https://hal.archives-ouvertes.fr/hal-01629183
- Affouard, A., Goëau, H., Bonnet, P., Lombardo, J. C., & Joly, A., (2017). Pl@ntNet app in the era of deep learning. ICLR: International Conference on Learning Representations, Apr 2017, Toulon, France. ⟨hal-01629195⟩ https://hal.archives-ouvertes.fr/hal-01629195
Дополнительные метаданные
Альтернативные идентификаторы | 14d5676a-2c54-4f94-9023-1e8dcd822aa0 |
---|---|
https://ipt.plantnet.org/resource?r=queries |