本研究旨在开发自动化方法，利用无监督阈值处理和形态处理技术从数码照片中提取鲸豚背鳍轮廓，从而减少手动用户输入，成功率约为 93% 且能显著降低用户输入时间。

Feb, 2012

图像基础下的动物个体再识别通过分析动物个体的固有毛皮、羽毛或皮肤图案来研究动物种群的时移模式，本文通过结合两种类型的图案相似度度量（图案特征聚合得到的图案外观相似度和分析图案相似性的几何图案相似度）提出了一种高效利用局部和全局图案特征的再识别方法，适用于多种不同类型的图案。实验部分表明，该方法在洞庭湖环封印和鲸鲨的再识别准确度上表现出了有希望的结果。

Aug, 2023

本文提出使用计算机视觉模型和后处理技术来创建一个完全自动的 Photo-identification (photo-id) 识别系统，该系统可以根据所有可用信息提供最可能的匹配，无需数据预处理，用于监测海洋中哺乳动物种群。系统通过目录相似性比较，能够处理以前未编目的个体，并标记这些个体以进行进一步调查。该文研究表明，系统在多个现实生活中的 Photo-id 相册上的表现非常好。

Dec, 2022

本研究提出了一种基于对比学习的模型，将物理标记技术替换为图像分析进行个体鉴定，其在对 Symphodus melops 的照片进行处理后，取得了较高的准确率。

Jan, 2023

通过模型化特征提取器描述关键点周围的邻域，使用有限展开来估计空间变化的方向，利用谐波函数来确定关键点位置并描述邻域的物体形状，这对传统纹理特征是一种新的补充和附加，具有显著的验证和识别能力。

Nov, 2023

该研究提出了一种利用插值与外推技术，通过有效计算几何特性和引入权重感知的隐式神经表示法，在有限的已知数据下重建具有优异定量和定性结果的表面，并能够处理非闭合表面的局部退化区域

Jun, 2023

我们介绍了一种新颖的基于视觉的框架，用于现场海参树干的识别和长度测量，该框架在海洋养殖资源监测和机械化采收中起着关键作用。通过使用参数化的 Bézier 曲线来建模弯曲程度不同的海参树干，利用其计算简单性、稳定性和广泛的变换可能性。然后，我们提出了一个端到端的统一框架，将参数化的 Bézier 曲线建模与广泛使用的 YOLO 管线相结合，简称为 TISC-Net，并结合了有效的漏斗激活和高效的多尺度注意模块以增强曲线特征的感知和学习。此外，我们提出了将树干端点损失作为附加约束来有效减轻端点偏差对整体曲线的影响。最后，通过利用双目相机捕获的沿树干曲线位置的像素深度信息，我们提出了准确估计现场海参长度的方法，通过空间曲线积分。我们建立了两个挑战性的基于曲线的现场海参树干识别基准数据集。这些数据集包括超过 1000 张实际海洋环境中的海参图像，并附带 Bézier 格式的注释。我们对 SC-ISTI 进行了评估，结果显示我们的方法在目标检测和树干识别任务上的 mAP50 都超过了 0.9。广泛的长度测量实验证明平均绝对相对误差约为 0.15。

Jun, 2024

该研究提出了一种通过纠正动物面部形态与人类面部形态之间的差异，使用预训练的人脸关键点检测网络和细板样条变形网络对动物面部关键点进行定位的方法，并在包含马和羊的数据集上取得了优秀的结果。

Apr, 2017

本文介绍了通过照片识别和被动声学监测等方法来进行海豚研究，并制作出了北伯兰海豚数据集，以减少人工分类图像所需的时间和劳力，并且可以帮助建立鲸类识别模型。

Aug, 2019

本研究提出了一种使用基于 Bag-of-features 方法和机器学习框架联合的方法来实现抹香鲸本体定位的架构。该算法的思路是从局部特征中回归出两个粗略的距离和方位估算值，并将这些值用于精确估算抹香鲸的位置。

Jun, 2013