保护AI：利用卷积神经网络与无人机技术进行濒危物种检测的实时流分析
计算机视觉与模式识别
2019-10-17 v1
摘要
许多不同物种受到偷猎的不利影响。为应对这一不断升级的危机，使用隐藏相机、无人机和DNA追踪来阻止偷猎的努力已得到实施，但成效不一。有限的资源、成本和后勤限制往往是大多数反偷猎干预失败的原因。本文提出的研究概述了一个灵活且可互操作的框架，用于自动检测动物和偷猎活动，以促进早期干预实践。使用稳健的深度学习流水线，训练并部署了一个卷积神经网络，用于检测研究中的犀牛和汽车（汽车被视为偷猎中用于快速进入自然栖息地和运输物品的重要工具），这些目标出现在无人机实时传输的视频流中。利用Faster RCNN Resnet 101进行迁移学习，用350张犀牛图像和350张汽车图像训练了一个定制模型。推理采用帧采样技术，以解决所需的控制精度与处理速度之间的权衡，并保持与实时视频流的同步。推理模型托管在一个使用Flask Web服务、OpenCV和TensorFlow 1.13的Web平台上。视频流通过实时消息传输协议（RMTP）从大疆Mavic Pro 2无人机传输。训练得到的最佳Faster RCNN模型在IOU 0.50时达到0.83的mAP，在IOU 0.75时达到0.69的mAP。相比之下，在相同实验条件下训练的SSD-mobilenet模型在IOU 0.50时达到0.55的mAP，在IOU 0.75时达到0.27的mAP。结果表明，使用FRCNN和现成的无人机对于一系列保护项目来说是一种有前景且可扩展的选择。
引用
@article{arxiv.1910.07360,
title = {Conservation AI: Live Stream Analysis for the Detection of Endangered Species Using Convolutional Neural Networks and Drone Technology},
author = {C. Chalmers and P. Fergus and Serge Wich and Aday Curbelo Montanez},
journal= {arXiv preprint arXiv:1910.07360},
year = {2019}
}
备注
The papaer is 10 pages and contains 11 images and 1 table