猫类重新识别的双胞肖网络: 探索神经网络模型用于猫实例识别

城市街道猫常依赖人类干预才能生存，这给人群控制和福利管理带来了挑战。2023 年 4 月，Hello Inc.——一家中国城市交通公司——启动了 Hello 街道猫计划以解决这些问题。该项目在中国 14 个城市部署了超过 21,000 个智能喂食站，集成了直播摄像头和通过用户捐赠激活的喂食器。该计划还支持捕获-杀绝-归还(TNR)方法，并由一个由社区驱动的平台 HelloStreetCatWiki 支持，志愿者在该平台上 catalog 和识别猫只。然而，手动识别效率低下且难以持续，亟需自动化解决方案。本研究探索了基于深度学习的模型用于 Hello 街道猫计划中的猫只重新识别。使用 2,796 张 69 只猫的图像训练了双胞肖网络，EfficientNetB0、MobileNet 和 VGG16 作为基础模型，在对比损失和三元组损失函数下进行评估。VGG16 搭配对比损失的配置表现最佳，测试时准确率可达最高 97%，F1 分数为 0.9344。该方法利用图像增强和数据集细化来克服有限数据和多样化视觉变化所带来的挑战。这些发现凸显了自动化猫类重新识别在简化人口监测和福利工作中的潜力。通过减少对手动流程的依赖，该方法为社区驱动的计划提供了可扩展且可靠的解决方案。未来的研究将聚焦于扩大数据集并开发实时实现，以提高大规模部署的实用性。