野外灵长类动物面部识别

快速城市化和森林砍伐造成的生态失衡已对多种野生动物的种群产生了不利影响。栖息地的丧失使黑猩猩和猕猴等多种非人灵长类物种的种群失衡，并迫使它们在人类居住区附近近距离共存，在资源竞争中常导致人兽冲突。为有效保护野生动物和管理冲突，有必要定期监测种群和冲突区域。然而，现有的实地数据采集和专家人工分析等方法耗费资源、繁琐且耗时，因此需要一种自动化、非侵入性、更高效的替代方案，如基于图像的面部识别。由于非受控环境中的姿态、光照变化和遮挡等无关因素，加之训练数据有限，个体识别面临挑战。受人类感知启发，我们提出学习对这类干扰因素具有鲁棒性、并在个体身份子流形上捕捉相似性概念的表示。所提方法灵长类面部识别（PFID）通过训练网络区分图像正样本对与负样本对来实现这一点。PFID 损失以成对损失增强标准交叉熵损失，以学习更具判别性和可泛化性的特征，从而使其适用于其他相关识别任务，如开集、闭集和验证。我们在恒河猴和黑猩猩两种灵长类物种的面部识别上，于分类、验证、闭集识别和开集识别四种协议下报告了最先进的准确率。