一种高效的野外动物分类方法
计算机视觉与模式识别
2019-07-31 v1
摘要
相机陷阱中的自动物种分类将极大助力地球上的生物多样性监测与物种分析。为加速自动物种分类任务的发展，“Microsoft AI for Earth”在 CVPR 2019 的 FGVC6 研讨会上筹备了一项名为“iWildCam 2019 竞赛”的挑战。本工作中，我们提出一种高效的野外动物分类方法。我们将最先进的 ImageNet 预训练模型迁移至该问题。为提升模型的泛化能力与鲁棒性，我们采用了高效的图像增强与正则化策略，如 cutout、mixup 与 label-smoothing。最后，我们使用集成学习来提升模型性能。得益于先进的正则化策略与集成学习，我们在最终排行榜上获得第 7/336 名的成绩。本工作的源代码发布于 https://github.com/Walleclipse/iWildCam_2019_FGVC6。
引用
@article{arxiv.1907.13037,
title = {Efficient Method for Categorize Animals in the Wild},
author = {Abulikemu Abuduweili and Xin Wu and Xingchen Tao},
journal= {arXiv preprint arXiv:1907.13037},
year = {2019}
}