利用序列信息通道拼接改进相机陷阱图像连拍分类
计算机视觉与模式识别
2020-06-09 v2 机器学习
摘要
相机陷阱被广泛用于在不干扰生态系统的情况下观察自然栖息地的野生动物。这有助于及早发现对动物的自然或人为威胁，并助力生态保育。目前，全球各生态保育区已部署大量此类相机陷阱，持续收集数据达数十年，因此需要自动化方法来检测含动物的图像。现有系统通过考虑单张图像进行分类以检测图像是否含动物。然而，由于动物在其自然栖息地中伪装导致场景具挑战性，有时仅从单张图像难以识别动物存在。我们假设，假设动物发生移动，使用短连拍图像而非单张图像，会使人类和机器都更容易检测动物存在。本工作中，我们探索多种方法，并衡量使用短图像序列（3 张图像连拍）对改进相机陷阱图像分类的影响。我们表明，跨通道拼接包含序列信息的掩码与 3 张连拍图像，相较于从单张图像学习的等价模型，在来自未见相机点的测试集上将 ROC AUC 提升了 20%。
引用
@article{arxiv.2005.00116,
title = {Sequence Information Channel Concatenation for Improving Camera Trap Image Burst Classification},
author = {Bhuvan Malladihalli Shashidhara and Darshan Mehta and Yash Kale and Dan Morris and Megan Hazen},
journal= {arXiv preprint arXiv:2005.00116},
year = {2020}
}
备注
8 pages, 4 figures, 2 tables. Git repository can be found at: https://github.com/bhuvi3/camera_trap_animal_classification