GreenCrossingAI：面向环境科学研究小组的相机陷阱/计算机视觉管道
计算机视觉与模式识别
2025-07-22 v2 机器学习
摘要
相机陷阱已被广泛用于野生动物研究人员以非侵入且高效的方式监测和研究动物行为、种群动态、栖息地使用及物种多样性。尽管随着新工具和能力的不断发展，数据采集量不断增加，但开发、处理和管理这些数据的方法，尤其是采用机器学习/AI工具的做法，仍面临诸多挑战。这些挑战包括数据生成的庞大体积、准确标注和注释的需求、影响数据质量的环境条件的可变性，以及将机器学习/AI工具整合到需要领域特定定制和计算资源的现有工作流程中的复杂性。本文提供了一套面向资源有限的研究小组的低资源管道，用于现场处理相机陷阱数据，融合了为小型研究小组量身定制的机器学习/AI能力。通过关注实用解决方案，本管道提供了可访问的方法，用于数据传输、推理和评估，使研究人员能够从不断增长的相机陷阱数据集中发现有意义的洞见。
引用
@article{arxiv.2507.09410,
title = {GreenCrossingAI: A Camera Trap/Computer Vision Pipeline for Environmental Science Research Groups},
author = {Bernie Boscoe and Shawn Johnson and Andrea Osbon and Chandler Campbell and Karen Mager},
journal= {arXiv preprint arXiv:2507.09410},
year = {2025}
}
备注
This is the preprint version of the paper in Practice and Experience in Advanced Research Computing, PEARC25