面向野外大象的自动识别
计算机视觉与模式识别
2018-12-12 v1
摘要
从大量可能的个体中识别动物对于生物多样性监测尤为重要，特别是针对少量特别有趣个体的数据收集，因为必须先识别它们才能开展此类工作。识别它们可能非常耗时。若动物外观极为相似且仅有少量区分性特征（如大象），情况更是如此。大多数情况下动物仅在某处短暂停留，需在此期间完成识别以判断是否有必要收集其新数据。因此，一个支持研究人员识别大象以加速该过程的系统将大有裨益。本文提出这样一种系统，用于在个体数量庞大且每个体仅含少量训练图像的情况下识别大象。为此，我们结合目标部件定位、现成CNN特征与支持向量机分类，为野外研究者提供给定新大象图像时的可能个体建议。系统性能在一个包含276头个体大象共2078张图像的数据集上得到验证，我们取得了56%的top-1测试准确率和80%的top-10准确率。为应对数据集中存在的遮挡、视角变化与不同姿态，我们进一步允许分析人员向系统提供同一待识别大象的多张图像并聚合分类器生成的置信度值。借此，我们的系统在留出测试数据集上取得了74%的top-1准确率和88%的top-10准确率。
引用
@article{arxiv.1812.04418,
title = {Towards Automatic Identification of Elephants in the Wild},
author = {Matthias Körschens and Björn Barz and Joachim Denzler},
journal= {arXiv preprint arXiv:1812.04418},
year = {2018}
}
备注
Presented at the AI for Wildlife Conservation (AIWC) 2018 workshop in Stockholm (https://sites.google.com/a/usc.edu/aiwc/home)