很多生物由于外形的相似程度较高，难以使用肉眼进行区分。美国俄亥俄州立大学、微软研究院、加州大学欧文分校、伦斯勒理工学院共同发布了「BioCLlP: A Vision Foundation Model for the Tree of Life」， 基于 TREEOFLIFE-10M 这样的大规模标记数据集，经过严谨的测试，BioCLlP 在多个细粒度生物分类任务中展现出了显著的性能优势。该项目论文被评为 CVPR 2024 最佳学生论文。
HyperAI超神经官网现已上线了「BioCLIP 生物分类的层次预测 Demo」 教程， 只需上传一张图片，即可快速识别出动物、植物的种类。
教程地址：
https://go.hyper.ai/pX7Lq
Demo 运行
- 登录 hyper.ai，在「教程」页面，选择「BioCLIP 生物分类的层次预测 Demo」，点击「在线运行此教程」。
- 页面跳转后，点击右上角「克隆」，将该教程克隆至自己的容器中。
- 点击右下角「下一步：选择算力」。
- 页面跳转后，选择「NVIDIA GeForce RTX 4090」，点击「下一步：审核」。新用户使用下方邀请链接注册，可获得 4 小时 RTX 4090 + 5 小时 CPU 的免费时长！
HyperAI超神经专属邀请链接（直接复制到浏览器打开）：
https://openbayes.com/console/signup?r=6bJ0ljLFsFh_Vvej
- 点击「继续执行」，等待分配资源，首次克隆需等待 2 分钟左右的时间。当状态变为「运行中」后，点击「API 地址」边上的跳转箭头，即可跳转至 BioCLIP 生物分类的层次预测 Demo 的页面。请注意，用户需在实名认证后才能使用 API 地址访问功能。
若超过 10 分钟仍处于「正在分配资源」状态，可尝试停止并重启容器；若重启仍无法解决，请在官网联系平台客服。
效果演示
- 打开 BioCLIP 生物分类的层次预测 Demo 页面，上传一张动物照片，点击 Submit，稍等片刻即可输出结果，可以看到它成功识别出了图中生物为猫。
2.上传另一张图片，点击「Submit」，可以看到它输出的结果为老虎。
最后推荐一个线上学术分享活动，感兴趣的小伙伴扫码即可参与！
