基于航拍影像的深度学习目标检测用于水鸟监测
计算机视觉与模式识别
2022-10-17 v2
摘要
对集群水鸟筑巢岛的监测对于追踪水鸟种群趋势至关重要，这些趋势被用于评估生态系统健康状况并指导保护管理决策。近年来，无人机（无人 aerial 飞行器）已成为精确监测水鸟群落的可行技术。然而，从数百乃至数千张航拍图像中手动计数水鸟既困难又耗时。在本工作中，我们提出一种深度学习流程，可用于利用商用无人机采集的航拍影像精确检测、计数和监测水鸟。通过采用基于卷积神经网络的目标检测器，我们展示了能够检测得克萨斯海岸沿线集群筑巢岛中常见的 16 类水鸟物种。我们使用 Faster R-CNN 和 RetinaNet 目标检测器的实验分别给出了 67.9% 和 63.1% 的平均插值平均精度得分。
引用
@article{arxiv.2210.04868,
title = {Deep object detection for waterbird monitoring using aerial imagery},
author = {Krish Kabra and Alexander Xiong and Wenbin Li and Minxuan Luo and William Lu and Raul Garcia and Dhananjay Vijay and Jiahui Yu and Maojie Tang and Tianjiao Yu and Hank Arnold and Anna Vallery and Richard Gibbons and Arko Barman},
journal= {arXiv preprint arXiv:2210.04868},
year = {2022}
}
备注
Longer version of accepted short paper at 21st IEEE International Conference on Machine Learning and Applications (ICMLA'22). 7 pages, 5 figures