面向利用机器视觉模型自动检测野生动物贸易
计算机视觉与模式识别
2022-05-24 v1 机器学习
摘要
不可持续的野生动物贸易是影响全球生物多样性危机的主要威胁之一。如今该贸易的重要部分发生于互联网上，尤其在数字市场与社交媒体中。由于保护资源有限，亟需自动识别贸易帖子的手段。在此，我们基于深度神经网络开发了机器视觉模型，旨在自动识别待售异域宠物的图像。为此生成了一个代表网络上广告待售异域宠物的新训练数据集。我们训练了 24 个神经网络模型，涵盖五种不同架构、三种训练方法与两类数据集的组合。具体而言，将部分训练图像设为代表负特征后，模型泛化能力得到提升。我们在分布内与分布外数据上评估模型以检验更广泛的适用性。性能最优的模型在分布内评估中 f-score 超过 0.95，在两个分布外数据集上介于 0.75 至 0.87。值得注意的是，特征可视化表明模型能很好检测动物所处的周边环境（如笼子），从而有助于自动检测非自然环境中动物图像。所提方法可助力调查线上野生动物贸易，也可调整用于研究数字平台上其他类型的人与自然互动。未来研究可利用这些发现构建鲁棒的机器学习模型及面向更多分类群的新数据收集流程。
引用
@article{arxiv.2205.11324,
title = {Towards automatic detection of wildlife trade using machine vision models},
author = {Ritwik Kulkarni and Enrico Di Minin},
journal= {arXiv preprint arXiv:2205.11324},
year = {2022}
}