元数据增强的野生动物分类深度神经网络
计算机视觉与模式识别
2024-09-10 v1
摘要
相机陷阱图像已成为当代野生动物监视中不可或缺的资产，使研究人员能够观察和调查动物的行为。虽然现有方法仅依赖图像数据进行分类，但在动物角度不佳、光照或图像质量不佳时可能不够。本研究引入了一种新方法，通过结合特定元数据（如温度、位置、时间等）与图像数据来增强野生动物分类。我们使用聚焦于挪威气候的数据集， Our 模型的准确率较现有方法提升了从 98.4% 提升至 98.9%。值得注意的是，我们的方法在仅使用元数据进行分类时也能实现高准确率，突显了其减少对图像质量依赖的潜力。本工作为集成系统铺平了道路，推动野生动物分类技术的进一步发展。
引用
@article{arxiv.2409.04825,
title = {Metadata augmented deep neural networks for wild animal classification},
author = {Aslak Tøn and Ammar Ahmed and Ali Shariq Imran and Mohib Ullah and R. Muhammad Atif Azad},
journal= {arXiv preprint arXiv:2409.04825},
year = {2024}
}