用于相机陷阱图像中物种识别与计数的深度主动学习系统

生物多样性保护依赖于关于野生动物种群分布的准确、最新的信息。运动触发相机（也称为相机陷阱）是种群调查的关键工具，因为它们廉价且非侵入性。然而，从相机陷阱图像中提取有用信息是一个繁琐的过程：一次典型的相机陷阱调查可能产生数百万张图像，需要缓慢且昂贵的人工审阅。因此，关键信息常因资源限制而丢失，且关键的保护问题可能回答得过慢而无法支持决策。计算机视觉有望大幅提高基于图像的生物多样性调查的效率，近期研究已利用深度学习技术从相机陷阱图像中自动提取信息。然而，结果的准确性取决于可用于训练模型的数据的数量、质量和多样性，且文献集中于拥有数百万张相关标注训练图像的项目。许多相机陷阱项目没有大量标注图像，因此无法受益于现有机器学习技术。此外，即便拥有来自相似生态系统的标注数据的项目，也因图像分类模型对特定图像背景（即相机位置）过拟合而难以采用深度学习方法。本文不关注相机陷阱图像的自动标注，而是关注加速该过程。我们结合机器智能与人类智能，构建一个可扩展、快速且准确的主动学习系统，以最小化识别与计数相机陷阱图像中动物所需的人工工作。我们提出的方案在 320 万张图像的数据集上仅用少至 14,100 张人工标注即可达到 SOTA 精度，这意味着将人工标注工作量减少超过 99.5%。