从太空探测野外牛与麋鹿
计算机视觉与模式识别
2021-06-30 v1 机器学习
摘要
在极高分辨率卫星影像中定位并计数大型有蹄类——如牛与麋鹿等蹄类哺乳动物——是支撑生态研究的一项重要任务。已有工作表明，借助基于深度学习的方法与亚米级多光谱卫星影像，这是可行的。我们延伸这一工作线，提出一种基线方法 CowNet，其同时估计图像中动物数量（计数）并在像素级预测其位置（定位）。我们还提出一种在大型场景中评估此类模型在计数与定位任务上表现的方法论，其考虑了噪声标签的不确定性以及生态监测任务中利益相关者所需的信息。最后，我们将基线方法与最先进的视觉计数场景物体方法进行基准比较。我们具体测试了所得模型在加州 Point Reyes 海岸大型地貌上的时间泛化能力。我们发现 LC-FCN 模型表现最佳，在三个留出测试场景上取得 0.56 至 0.61 的平均精度与 0.78 至 0.92 的平均召回率。
引用
@article{arxiv.2106.15448,
title = {Detecting Cattle and Elk in the Wild from Space},
author = {Caleb Robinson and Anthony Ortiz and Lacey Hughey and Jared A. Stabach and Juan M. Lavista Ferres},
journal= {arXiv preprint arXiv:2106.15448},
year = {2021}
}
备注
Presented at the KDD 2021 Fragile Earth Workshop