Pytorch-Wildlife：面向野生动物保护的协作式深度学习框架
计算机视觉与模式识别
2024-12-02 v4 机器学习
摘要
由多种因素驱动的全球生物多样性惊人下降，凸显了大规模野生动物监测的迫切需求。作为回应，科学家们已转向自动化的深度学习方法来进行野生动物监测的数据处理。然而，由于这些方法的复杂性以及对专业知识的需求，将其应用于现实场景充满挑战，这主要归因于技术挑战与跨学科壁垒。为了应对这些挑战，我们引入了 Pytorch-Wildlife，这是一个基于 PyTorch 构建的开源深度学习平台。它旨在创建、修改和共享强大的 AI 模型。该平台强调可用性与可访问性，使技术背景有限或没有技术背景的人也能使用。它还提供了模块化的代码库，以简化功能扩展和进一步开发。Pytorch-Wildlife 提供了一个直观、用户友好的界面，可通过本地安装或 Hugging Face 访问，用于图像和视频中的动物检测与分类。作为两个实际应用，Pytorch-Wildlife 已被用于训练动物分类模型，以在亚马逊雨林进行物种识别，并在加拉帕戈斯群岛进行入侵负鼠识别。负鼠模型达到了 98% 的准确率，而亚马逊模型在 90% 的数据中对 36 种动物的识别准确率达到 92%。随着 Pytorch-Wildlife 的发展，我们旨在整合更多保护任务，以应对各种环境挑战。Pytorch-Wildlife 可在 https://github.com/microsoft/CameraTraps 获取。
引用
@article{arxiv.2405.12930,
title = {Pytorch-Wildlife: A Collaborative Deep Learning Framework for Conservation},
author = {Andres Hernandez and Zhongqi Miao and Luisa Vargas and Sara Beery and Rahul Dodhia and Pablo Arbelaez and Juan M. Lavista Ferres},
journal= {arXiv preprint arXiv:2405.12930},
year = {2024}
}
备注
Pytorch-Wildlife is available at https://github.com/microsoft/CameraTraps