基于弱标注视频的数据集生成与倭黑猩猩分类

本文提出了一个由常用机器学习方法构建的倭黑猩猩检测与分类流程。该应用的动机是需要在无人工协助的情况下，使用触摸屏设备在其圈养环境中对倭黑猩猩进行测试。本工作引入了一个基于半自动生成的倭黑猩猩记录的新采集数据集。这些记录被弱标注并输入到一个猕猴检测器中，以在空间上检测视频中出现的个体。为进行倭黑猩猩识别，研究了结合不同分类算法的手工特征以及使用 ResNet 架构的深度学习方法。使用不同的数据划分方法，在数据库的各个切分上比较了分类准确率。我们展示了数据准备的重要性，以及错误的数据划分如何导致虚假的良好结果。最后，在对数据进行有意义的划分后，使用微调的 ResNet 模型获得了最佳分类性能，准确率达到 75%。