探索训练集大小对动物重识别的影响
计算机视觉与模式识别
2024-05-28 v1 种群与进化
摘要
近期在动物个体图像自动重识别方面的进展开辟了了研究通过相机陷阱和公民科学项目了解野生动物的新可能性。现有方法利用独特且持久的视觉身体标记（如毛色图案或疤痕），并通常采用两种策略之一：局部特征或端到端学习。在本研究中，我们通过在六种不同方法和五种动物物种上进行全面实验，深入探讨了训练集大小的影响。虽然众所周知，在获得充足高质量训练数据的前提下，端到端学习方法优于局部特征方法，但收集野生动物此类数据集的挑战意味着局部特征方法在许多物种中仍是更实用的做法。我们展示了局部特征和端到端学习方法的双重优势，并表明物种特性，特别是个体间波动性，对训练数据需求有显著影响。
引用
@article{arxiv.2405.15976,
title = {Understanding the Impact of Training Set Size on Animal Re-identification},
author = {Aleksandr Algasov and Ekaterina Nepovinnykh and Tuomas Eerola and Heikki Kälviäinen and Charles V. Stewart and Lasha Otarashvili and Jason A. Holmberg},
journal= {arXiv preprint arXiv:2405.15976},
year = {2024}
}