在天气雷达数据中检测与追踪群居鸟类栖息地
计算机视觉与模式识别
2020-04-28 v1 机器学习
图像与视频处理
摘要
美国天气雷达档案保存了过去 20 年大气中生物现象的详细信息。群居栖息的鸟类在夜间栖息地点大量聚集，其清晨离开栖息地的过程常在雷达图像中呈现为独特模式。本文描述了一个机器学习系统，用于检测并追踪天气雷达数据中的栖息地特征。一个重大挑战是标签来自以往研究的机会性收集，且标注风格存在系统性差异。我们提出一个潜变量模型与 EM 算法，在学习检测模型的同时对各标注者的标注风格建模。通过恰当考虑这些差异，我们学到了显著更精准的检测器。所得系统可检测出此前未知的栖息地位置，并提供美国范围内栖息地的全面时空数据。该数据将为生物学家提供关于非繁殖季群居鸟类大尺度栖息地利用与迁移这一尚不清楚现象的重要信息。
引用
@article{arxiv.2004.12819,
title = {Detecting and Tracking Communal Bird Roosts in Weather Radar Data},
author = {Zezhou Cheng and Saadia Gabriel and Pankaj Bhambhani and Daniel Sheldon and Subhransu Maji and Andrew Laughlin and David Winkler},
journal= {arXiv preprint arXiv:2004.12819},
year = {2020}
}
备注
9 pages, 6 figures, AAAI 2020 (AI for Social Impact Track)