用于日本猕猴自动检测与面部识别的深度学习：揭示社会网络
计算机视觉与模式识别
2023-10-11 v1 机器学习
社会与信息网络
摘要
个体识别在生态学与动物行为学中起着关键作用，尤作为理解复杂社会结构的工具。然而，传统识别方法常涉及侵入性物理标记，对动物具干扰性且对研究者耗时。近年来，深度学习的引入通过复杂任务自动化提供了新方法视角。利用目标检测与识别技术正日益被研究者用于视频画面中的个体识别。本研究为通过深度学习开发日本猕猴（Macaca fuscata）面部检测与个体识别的非侵入式工具的初步探索。本研究的最终目标是利用数据集上的识别结果，自动生成所研究种群的社会网络表示。当前主要结果令人鼓舞：（i）构建了日本猕猴面部检测器（Faster-RCNN 模型），准确率达 82.2%；（ii）构建了 Kōjima 岛猕猴种群个体识别器（YOLOv8n 模型），准确率达 83%。我们还通过传统方法基于视频共现构建了 Kōjima 种群社会网络，以此作为自动生成网络可靠性评估的基准。这些初步结果证明了这一创新方法为科学界提供日本猕猴个体追踪与社会网络研究工具的潜力。
引用
@article{arxiv.2310.06489,
title = {Deep Learning for Automatic Detection and Facial Recognition in Japanese Macaques: Illuminating Social Networks},
author = {Julien Paulet and Axel Molina and Benjamin Beltzung and Takafumi Suzumura and Shinya Yamamoto and Cédric Sueur},
journal= {arXiv preprint arXiv:2310.06489},
year = {2023}
}