面向细粒度视觉物种分类的数据统一
计算机视觉与模式识别
2020-09-25 v1 机器学习
摘要
野生动物监测对自然保护至关重要，一直由部署在野外的运动触发相机陷阱进行人工观测来完成。此类原位传感器的广泛采用导致过去十年中收集的数据量空前庞大。处理和可靠高效地识别这些图像中的内容存在重大挑战。计算机视觉的进展有望提供有效解决方案，通过构建定制AI模型来自动识别感兴趣图像并标注其中的物种。在此我们概述了来自各保护合作伙伴的Wildlife Insights平台的数据统一工作及其涉及的挑战。然后我们提出了一个初始深度卷积神经网络模型，在跨465个细粒度物种的2.9M图像上训练，旨在减轻人类专家手动分类图像中物种的负担。长期目标是使科学家能够基于物种丰度与种群健康的近实时分析提出保护建议。
引用
@article{arxiv.2009.11433,
title = {Unifying data for fine-grained visual species classification},
author = {Sayali Kulkarni and Tomer Gadot and Chen Luo and Tanya Birch and Eric Fegraus},
journal= {arXiv preprint arXiv:2009.11433},
year = {2020}
}