基于姿态不变嵌入学习从天然斑纹鲁棒重识别蝠鲼
计算机视觉与模式识别
2019-03-01 v1
摘要
对具有独特天然身体斑纹的个体动物进行视觉识别是野生动物保护中的一项重要任务。动物斑纹的照片数据库日益增大，每一次新观测都需与数千张图像进行匹配。现有的照片识别方案对图像质量及图像中感兴趣图案的外观存在限制，这些限制制约了来自公民科学家的照片的使用。我们提出了一种基于独特天然斑纹的视觉重识别新系统，其对遮挡、视角与光照变化具有鲁棒性。我们改编了为人脸重识别开发的方法，并实现了一个深度卷积神经网络（CNN）来学习天然斑纹图像的嵌入。所学嵌入点之间的距离提供了对应输入图像间的不相似度度量。该网络使用三元组损失函数与在线半硬三元组挖掘策略进行优化。所提出的重识别方法具有通用性，不限定物种。我们在蝠鲼腹部图案与座头鲸尾叶的图像数据库上评估了该系统。为具备实用价值并被海洋生物学家采用，重识别系统需达到至少95%的top-10准确率。所提系统达到了这一性能标准。
引用
@article{arxiv.1902.10847,
title = {Robust Re-identification of Manta Rays from Natural Markings by Learning Pose Invariant Embeddings},
author = {Olga Moskvyak and Frederic Maire and Asia O. Armstrong and Feras Dayoub and Mahsa Baktashmotlagh},
journal= {arXiv preprint arXiv:1902.10847},
year = {2019}
}
备注
12 pages, 15 figures