基于自主水下航行器的半监督海洋动物视觉跟踪
计算机视觉与模式识别
2023-05-04 v1 机器学习
机器人学
摘要
对海洋生物的现场视觉观测对于理解其行为及其与周边生态系统的关系至关重要。通常，这些观测由潜水员、标签以及遥控或人工驾驶载具收集。然而近来，配备相机与具备 GPU 能力的嵌入式计算机的自主水下航行器正被开发用于多种应用，尤其可用于在人工操作或标签更困难之处补充现有数据收集机制。现有方法聚焦于使用全监督跟踪方法，但许多水下物种的标注数据严重匮乏。半监督跟踪器因比全监督对应方法所需数据更少，或可提供替代跟踪方案。然而，由于不存在现实的水下跟踪数据集，半监督跟踪算法在海洋领域的性能尚不明晰。为更好评估其性能与效用，本文中我们提供（1）一个专用于海洋动物的新型数据集，位于 http://warp.whoi.edu/vmat/；（2）对水下动物跟踪背景下最先进半监督算法的评估；（3）通过在自主水下航行器上搭载半监督算法于野外跟踪海洋动物进行演示，对真实世界性能的评估。
引用
@article{arxiv.2302.07344,
title = {Semi-Supervised Visual Tracking of Marine Animals using Autonomous Underwater Vehicles},
author = {Levi Cai and Nathan E. McGuire and Roger Hanlon and T. Aran Mooney and Yogesh Girdhar},
journal= {arXiv preprint arXiv:2302.07344},
year = {2023}
}
备注
To appear in IJCV SI: Animal Tracking