回归家园：面向生态修复的贝壳识别计算机视觉解决方案
计算机视觉与模式识别
2025-07-30 v4 人工智能
机器学习
摘要
非法纪念品采集每年从哥斯达黎加海滩掠取估计五吨的贝壳。然而，一旦这些标本被查扣，由于缺乏信息，其海岸来源——太平洋或加勒比海——无法轻易核实，导致当地当局没收后无法将其归还。为解决此问题，我们引入了 BackHome19K，这是首个带有海岸级别标签的大规模图像语料库（19,058张照片，516个物种），并提出了一种可在移动级 CPU 上实时推断来源的轻量级流水线。训练有素的异常过滤器对上传图像进行预筛选，增强了对用户生成噪声的鲁棒性。在留出测试集上，分类器达到了 86.3% 的平衡准确率，同时过滤器以零假阴性拒绝了 180 个域外对象中的 93%。作为 Web 应用程序部署，该系统已为野生动物官员处理了 70,000 个贝壳，每张图像耗时不到三秒，使被没收的标本能够安全地归还其原生生态系统。数据集可在 https://huggingface.co/datasets/FIFCO/BackHome19K 获取
引用
@article{arxiv.2501.04873,
title = {Back Home: A Computer Vision Solution to Seashell Identification for Ecological Restoration},
author = {Alexander Valverde and Luis Solano and André Montoya},
journal= {arXiv preprint arXiv:2501.04873},
year = {2025}
}
备注
ICCV 2025 (CV4E Workshop)