wildlife monitoring | BriefGPT

关键词wildlife monitoring

搜索结果 - 8

Pytorch-Wildlife：一个用于保护的协作深度学习框架
通过 PyTorch 构建的开源深度学习平台 Pytorch-Wildlife，可用于动物检测和分类，其应用于亚马逊雨林和加拉帕戈斯群岛的物种识别和入侵负鼠识别等真实场景中，取得了高水平的准确性，并为保护环境提供了多样化的解决方案。
PDFa month ago
比较细粒度和粗粒度的生态目标检测
借助摄像机陷阱图像，研究了多个物种合并成单一类别对模型结果的影响，以及添加负样本是否能改善模型性能，并发现合并具有形态相似性的物种有利于模型性能，而与之 distinctively 不同的物种合并则效果不一。添加负样本在大多数情况下稍微改善
PDF2 months ago
PARDINUS：基于自编码器的弱监督照片陷阱空图像剔除
使用弱监督学习方法构建的 PARDINUS（基于自动编码器弱监督丢弃照相监测空图片）证明了该方法在自动丢弃空图片方面不仅能够与其他需要进一步标注的全监督方法相媲美，甚至超过了它们。
PDF6 months ago
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。
PDF3 years ago
CVPR在嵌入式系统中过滤空的相机陷阱图像
采用深度学习模型提高动物识别，过滤图像，以节约野生动物监测设备的存储和数据传输成本 —— 通过在边缘设备上进行各种输入分辨率，数模转换和模型筛选等操作，相较于传统分类器，使用目标检测器能更好地识别动物，消除至少 10% 的空图像与类似延迟的
PDF3 years ago
KDD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
PDF4 years ago
KDD利用社交媒体图像收集估计动物野生生物种群
通过开发新的计算机视觉工具，利用社交媒体中的野生动物图像作为信息来源，提供野生动物种群规模估计，解决社交媒体偏见带来的传统种群估计方法的障碍。
PDF5 years ago
利用无人机和众包技术检测非洲大草原上的动物
本研究提出了一种基于机器学习的动物检测系统，采用群众智慧提供的数据，在半干旱的热带草原上检测大型哺乳动物，通过固定翼的无人机上的标准 RGB 相机提供数据，为野生动物保护提供了数据驱动的管理实践的转型方案。
PDF7 years ago