迈向自动鲸豚照片识别：海洋生态学中的细粒度少样本学习框架
计算机视觉与模式识别
2022-12-08 v1 人工智能
机器学习
摘要
照片识别（photo-id）是海洋研究人员用于监测鲸豚类（海豚、鲸鱼和鼠海豚）种群的主要非侵入性标记重捕方法之一。该方法历来依靠人工完成，由于收集的图像数量庞大，导致工作量和成本很高。近来已开发了一些自动化辅助工具来加速照片识别，但它们在处理上往往相互脱节，且未利用所有可用的识别信息。本文提出的工作旨在创建一个全自动照片识别辅助工具，能够基于所有可用信息提供最可能的匹配，而无需进行裁剪等数据预处理。这是通过一套计算机视觉模型与后处理技术流水线实现的，其目标是在未编辑的野外图像中检测鲸豚类，再将其传至下游进行个体级别的编目匹配。得益于编目相似性比较，该系统能够处理先前未编目的个体并将其标记以供调查。我们在多个真实照片识别编目上评估了该系统，在坦桑尼亚和英国编目的背鳍检测任务上分别取得 mAP@IOU[0.5] = 0.91、0.96，在英国和美国的编目个体分类任务上分别取得 83.1%、97.5% 的 top-10 准确率。
引用
@article{arxiv.2212.03646,
title = {Towards Automatic Cetacean Photo-Identification: A Framework for Fine-Grain, Few-Shot Learning in Marine Ecology},
author = {Cameron Trotter and Nick Wright and A. Stephen McGough and Matt Sharpe and Barbara Cheney and Mònica Arso Civil and Reny Tyson Moore and Jason Allen and Per Berggren},
journal= {arXiv preprint arXiv:2212.03646},
year = {2022}
}
备注
8 pages, 8 figures, 3 tables. Submitted and accepted to IEEE Big Data 2022 Conference