重新评估自动化野生动物物种检测：基于自定义图像数据集的可重复性研究
计算机视觉与模式识别
2025-12-09 v1
摘要
本研究重新审视了Carl等人评估预训练的Google Inception-ResNet-v2模型用于自动检测相机陷阱图像中欧洲野生哺乳动物物种的发现。为了评估其方法的可重复性和泛化性，我们从头开始重新实现了该实验，使用公开可用的资源和另一个包含900张跨越90个物种的图像数据集。经过最少的预处理，我们获得了62%的总体分类准确率，与原始工作中报告的71%高度吻合。与原始研究一样，类别间的性能差异很大，如宏观F1分数为0.28所示，这突显了当标签与ImageNet类别不直接对应时的泛化局限性。我们的结果证实，预训练的卷积神经网络可以为野生动物物种识别提供实用的基线，但也强化了为实现一致、高质量的预测，需要进行物种特定的适应或迁移学习。
引用
@article{arxiv.2512.07305,
title = {Reevaluating Automated Wildlife Species Detection: A Reproducibility Study on a Custom Image Dataset},
author = {Tobias Abraham Haider},
journal= {arXiv preprint arXiv:2512.07305},
year = {2025}
}