ATRW：野外东北虎重识别基准
计算机视觉与模式识别
2020-11-03 v5
摘要
监测濒危物种的种群与迁徙是野生动物保护的一项重要任务。传统标记方法难以扩展到大规模种群，而将计算机视觉方法应用于相机传感器数据需要重识别（re-ID）算法来获取野生动物的准确数量与运动轨迹。然而，现有 re-ID 方法主要针对行人与车辆，其姿态变化有限且采集环境受限。本文试图通过引入一个新的大规模数据集——野外东北虎重识别（ATRW）数据集来填补这一空白。ATRW 包含来自 92 只东北虎的超过 8,000 段视频片段，带有边界框、姿态关键点与老虎身份标注。与典型 re-ID 数据集不同，这些老虎在多样化的无约束姿态与光照条件下被拍摄。我们通过一组基线算法表明 ATRW 是一个具有挑战性的 re-ID 数据集。最后，我们提出了一种新颖的东北虎重识别方法，在深度神经网络中引入精确的姿态部位建模以应对老虎的大姿态变化，并相较现有 re-ID 方法取得了显著的性能提升。该数据集公开于 https://cvwc2019.github.io/ 。
引用
@article{arxiv.1906.05586,
title = {ATRW: A Benchmark for Amur Tiger Re-identification in the Wild},
author = {Shuyuan Li and Jianguo Li and Hanlin Tang and Rui Qian and Weiyao Lin},
journal= {arXiv preprint arXiv:1906.05586},
year = {2020}
}
备注
ACM Multimedia (MM) 2020