迭代式人与自动化野生动物图像识别
计算机视觉与模式识别
2021-10-20 v3
摘要
相机陷阱正日益用于野生动物监测，但该技术通常需要大量数据标注。近年来，深度学习显著推进了自动野生动物识别。然而，当前方法受限于对大型静态数据集的依赖，而野生动物数据本质上是动态的且涉及长尾分布。这两个缺陷可通过机器学习与人在回路的混合组合克服。我们提出的迭代式人与自动化识别方法能够从具有长尾分布的野生动物图像数据中学习。此外，它包含自更新学习，有助于捕捉快速变化自然系统的群落动态。大量实验表明，我们的方法仅使用现有方法约 20% 的人工标注即可达到约 90% 的准确率。这种人与机器的协同合作将深度学习从一个相对低效的标注后工具转变为协作式持续标注工具，极大减轻了人工标注负担并支持高效且持续的模型更新。
引用
@article{arxiv.2105.02320,
title = {Iterative Human and Automated Identification of Wildlife Images},
author = {Zhongqi Miao and Ziwei Liu and Kaitlyn M. Gaynor and Meredith S. Palmer and Stella X. Yu and Wayne M. Getz},
journal= {arXiv preprint arXiv:2105.02320},
year = {2021}
}
备注
This preprint has not undergone peer review (when applicable) or any post-submission improvements or corrections. It is published in Nature Machine Intelligence: https://www.nature.com/articles/s42256-021-00393-0