Dec, 2022

面向自动鲸类照片识别：海洋生态中细粒度、少样本学习的框架

PDF
TL;DR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。
photo-identificationmarine researchcetacean populationscomputer visioncatalogue similarity
发现论文，激发创造
  • 诺森伯兰海豚数据集：用于细粒度分类的多媒体个体鲸豚数据集

    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

  • 基于 DARWIN 的数字照片无监督阈值自动提取海豚背鳍轮廓

    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

  • 野生鱼类个体复识别的对比学习方法

    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

  • 野生动物图像的迭代式人工和自动识别

    这篇研究论文提出了一种基于深度学习和人类协作的相互迭代的方法，能够学习野生动物图像数据的长尾分布，有效提高了相较于现有方法人类注释工作量的减轻程度，并将深度学习由一个相对低效的后注释工具转变为一种始终保持高效模型更新的协作注释工具。

    May, 2021

  • 自动识别野生大象

    本文结合目标部位定位、CNN 特征和支持向量机分类，建立了一个系统，通过少量的图片来识别大量的大象。系统在含有 2078 张 276 只大象的数据集上测试，最高测试准确率达到 56％和 80％，采用多张图片技术后测试准确率为 74％和 88％。

    Dec, 2018

  • 图案物种中个体的自动检测与识别

    开发了一个自动检测和识别老虎、斑马和美洲豹等有斑点物种个体的框架，使用了 Faster-RCNN 目标检测框架来有效地在图像中检测动物，在动物的侧面提取 AlexNet 特征并训练逻辑回归 (或线性 SVM) 分类器来识别个体。在相机陷阱老虎图像数据集上测试和评估后发现，和最先进的识别技术相比，我们的框架在检测结果方面具有完美的表现，在个体的识别方面，表现相似或更好。

    May, 2020

  • 利用航空遥感图像进行动物计数：应用于野生动物和海洋哺乳动物

    利用深度学习技术实现动物自动计数，实验表明，UNet 模型应用高斯密度图训练，以达到快速高效计数目的，特别适用于复杂背景下的航空图像中非洲象和海豚的计数任务，减少了人类对野生动物的干扰，为野生动物保护与和谐相处提供了有效的技术手段。

    Jun, 2023

  • 动物 ID 问题：持续的饲养管理

    提出了以人工和机器对图像和动物身份信息的连续管理为基础，将个体动物识别问题形式化的方法 -- 人机持续策展。这是一个开放世界识别问题，需要改进现有识别方法的效果，并且需要一种可以不进行决策的配对验证算法和一种算法决策机制来指导策展过程。

    Jun, 2021

  • 通过合成卫星图像优化鲸鱼识别

    通过生成航空和卫星合成图像数据集，SeaDroneSim2 基准套件改善了鲸鱼检测并减少了训练数据收集所需的工作量，相比仅使用真实数据进行训练，在鲸鱼检测方面取得了 15％的性能提升，通过对 10％的真实数据进行增补。

    Aug, 2023

  • 一种用于相机陷阱图像物种识别和计数的深度主动学习系统

    本文提出了一种结合人工智能和人类智能的主动学习系统，能够快速准确地对相机陷阱图像中的动物进行识别和计数，可将手动标注的工作量减少了 99.5% 以上。

    Oct, 2019