利用自监督学习从天气雷达检测动物运动
机器学习
2024-08-09 v1
摘要
利用天气雷达探测飞行动物（如鸟类、蝙蝠和昆虫）有助于深入了解动物运动和迁徙模式，辅助生物安全管理工作，并增进我们对生态系统的理解。传统的天气雷达动物探测方法依赖于阈值化处理：基于专家经验定义并应用雷达变量的阈值。近年来，深度学习方法已被证明能提升探测性能。然而，获取足够数量的带标注天气雷达数据以构建基于学习的模型既耗时又费力。为应对数据标注的挑战，我们提出了一种用于检测动物运动的自监督学习方法。在该方法中，我们首先在一个包含由阈值方法产生的噪声标签的大规模数据集上对模型进行预训练。其关键优势在于，预训练数据集的大小仅受可用雷达图像数量的限制。随后，我们在一个较小的人工标注数据集上对模型进行微调。我们在澳大利亚天气雷达数据上的水鸟分割实验表明，所提出的方法在Dice系数指标上比当前最先进的方法提升了43.53%。
引用
@article{arxiv.2408.04424,
title = {Detection of Animal Movement from Weather Radar using Self-Supervised Learning},
author = {Mubin Ul Haque and Joel Janek Dabrowski and Rebecca M. Rogers and Hazel Parry},
journal= {arXiv preprint arXiv:2408.04424},
year = {2024}
}