一种用于野生鱼类种群个体重识别的对比学习方法
计算机视觉与模式识别
2023-01-03 v1 人工智能
机器学习
摘要
在陆地与海洋生态学中，物理标记是研究种群动态与行为的常用方法。然而，此类标记技术正日益被基于图像分析的个体重识别所取代。本文提出一种基于对比学习的个体识别模型。该模型使用 Inception v3 网络的前段部分，并辅以一个投影头，我们利用对比学习从一组统一拍摄的照片中找出相似或不相似的图像对。我们将该技术应用于隆头鱼（Symphodus melops，一种在生态与商业上均具重要意义的鱼类）。照片是在对同一野生种群个体进行重复捕获时拍摄的，个体两次被观测到的间隔可能从数天到数年不等。在我们的数据集上，该模型的一次命中准确率为 0.35，五次命中准确率为 0.56，一百次命中准确率为 0.88。
引用
@article{arxiv.2301.00596,
title = {A contrastive learning approach for individual re-identification in a wild fish population},
author = {Ørjan Langøy Olsen and Tonje Knutsen Sørdalen and Morten Goodwin and Ketil Malde and Kristian Muri Knausgård and Kim Tallaksen Halvorsen},
journal= {arXiv preprint arXiv:2301.00596},
year = {2023}
}