Oct, 2023

深度学习对 日本猕猴 中的自动检测和面部识别的应用：阐明社会网络

PDF
TL;DR通过深度学习，本研究初步探索了一种非侵入性工具的开发，用于检测和识别日本猕猴的个体身份，旨在自动生成对研究种群进行社会网络分析的社交网络图。在研究中，建立了日本猕猴面部检测器（Faster-RCNN 模型），准确率达到 82.2％，并建立了针对小岛日本猕猴种群的个体识别器（YOLOv8n 模型），准确率达到 83％。此外，通过传统方法，基于视频中的共现性，还创建了小岛种群的社会网络图，从而为自动生成网络的可靠性提供基准。这些初步结果证明了这种创新方法在追踪日本猕猴个体和社会网络研究方面的潜力，为科学界提供了一个工具。
individual identificationdeep learningface detectionsocial networkjapanese macaques
发现论文，激发创造
  • 动物个体再识别的相似度学习网络 —— 超越人类观察者的能力

    展示了将相似度比较网络应用于动物再识别的能力，同时证明了深度卷积神经网络在不同物种之间具有泛化性能，并通过比较两种相似性比较方法：Siamese 和 Triplet-Loss 以及五个数据集的实验结果，表明 Triplet Loss 的表现要优于 Siamese，在考虑均值平均精度（mAP）@ 1 和 mAP@ 5，并且并不需要进行任何针对特定物种的修改。

    Feb, 2019

  • 野生猴类的人脸识别

    通过 PrimNet 卷积神经网络在几种濒危灵长类动物的脸部识别实验中表现优越，基于此实现了一款安卓应用程序，可用于野外个体识别和保护。

    Apr, 2018

  • 生态相机陷阱数据的深度学习目标检测方法

    本文论述了如何通过使用深度学习方法对相机陷阱图像进行自动化数据分析，演示了以 Faster R-CNN 和 YOLO v2.0 作为分类器识别、量化和定位相机陷阱图像中的物种，进而应用于生态研究。结果显示 Faster R-CNN 的分类准确率高达 93.0％，取得了很好的效果。

    Mar, 2018

  • 极端环境下的人脸检测：机器学习方法

    本文提出一种深层级联多任务框架，通过三层深度卷积神经网络的分级设计，在对人脸和人脸特征区域进行预测的粗到细的过程中，利用其中的内在相关性以提高人脸检测和特征点定位的性能，在学习过程中还采用一种新型的在线困难样本挖掘方法，能够自动提高性能而无需手动样本选择。

    Jan, 2022

  • 利用深度学习在相机陷阱图像中自动识别、统计和描述野生动物

    野生动物种类的自动识别与行为分析是野外生态研究和动物保护的重要技术之一。该研究利用深度卷积神经网络技术，对 320 万张 “快照大草原” 数据集中涵盖的 48 种动物进行识别、计数、行为描述分析，自动提取数据并有效地提高数据分析的效率。

    Mar, 2017

  • 利用非常深的卷积神经网络在相机陷阱图像中识别动物物种，实现野生动物的自动监测

    使用深度卷积神经网络在野外通过摄像监控自动识别动物种类的方法，优于之前的尝试，证明了在摄像监控的图像中，识别可以自动化。

    Mar, 2016

  • 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

  • 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

  • 基于深度学习的卷积神经网络模型进行佩戴口罩个体的分类和检测

    利用深度学习创建了一个实时检测视频和图像中口罩的模型，该研究旨在提高安全性，特别是敏感区域，通过图像预处理、图像裁剪和图像分类三个阶段来识别带口罩的人脸，并通过网络摄像头或闭路电视摄像机进行持续监控，如果发现没有戴口罩的人，则触发安全警报。

    Nov, 2023

  • 基于无标签视频数据的有规律单独物种自动个体识别

    本研究开发了自动分析照相陷阱视频以识别动物个体的管道，该管道基于计算机视觉和深度学习组件，特别是卷积神经网络和尺度不变特征变换，并在非人工交互方面实现了额外组件。该管道可用于保护项目，以减少手动分析工作的时间和提高个体识别的成功率。

    Apr, 2023