基于连体学习的帝王蝶定位
信号处理
2023-07-06 v1
摘要
本文提出了一种无GPS的、基于深度学习传感器融合的每日定位方法，利用光照强度和温度传感数据对帝王蝶进行追踪。已有方法在春分期间受与位置无关的白昼长度影响，导致该日期前后定位误差较大。本工作提出了一种基于连体学习(Siamese learning)的定位模型，利用光照和温度测量值提高了每日帝王蝶定位的精度并降低了偏差。为训练和测试所提算法，我们使用了通过数据测量活动收集的5658条每日测量记录，该活动在2018至2020年间涉及美国、加拿大和墨西哥的306名志愿者。该模型在纬度坐标上达到1.416°的平均绝对误差，在经度坐标上达到0.393°的平均绝对误差，优于已有方法。
引用
@article{arxiv.2307.01920,
title = {Siamese Learning-based Monarch Butterfly Localization},
author = {Sara Shoouri and Mingyu Yang and Gordy Carichner and Yuyang Li and Ehab A. Hamed and Angela Deng and Delbert A. Green and Inhee Lee and David Blaauw and Hun-Seok Kim},
journal= {arXiv preprint arXiv:2307.01920},
year = {2023}
}
备注
2022 IEEE Data Science and Learning Workshop (DSLW)