论文阅读笔记(十四)——基于大比例圈养大熊猫图像的大熊猫识别研究

最新推荐文章于 2024-06-14 11:31:32 发布

没有顶会的咸鱼

最新推荐文章于 2024-06-14 11:31:32 发布

阅读量1.5k

点赞数 1

分类专栏：笔记

本文链接：https://blog.csdn.net/InkBamboo920/article/details/115703598

版权

论文阅读笔记(十四)——基于大比例圈养大熊猫图像的大熊猫识别研究

论文简介

论文中文翻译:《基于大比例圈养大熊猫图像的大熊猫识别研究》
论文名称:《A study on giant panda recognition based on images of a large
proportion of captive pandas》
录用日期:2020年2月14日

期刊情况

期刊:《Ecology and Evolution》
期刊情况:

中科院二/三/四区
影响因子2.4
Q1/Q2分区
初审3-6周

摘要

作为一种高度濒危的物种，大熊猫(panda)在过去的几十年里吸引了大量的关注。在熊猫的保护和繁殖上付出了相当大的努力，为维持大熊猫的数量提供了有希望的结果。为了评估保护和管理策略的有效性，识别大熊猫个体是至关重要的。然而，由于现有的方法，如传统的跟踪方法、基于足迹识别的识别方法、分子生物学方法等具有侵入性、不准确、昂贵或具有挑战性。随着成像技术的进步，数字图像和视频在大熊猫保护和管理中的广泛应用，使得基于图像的大熊猫人脸识别方法能够以无创的方式对大熊猫个体进行识别。
近年来，深度学习在计算机视觉和模式识别领域取得了巨大的成功。针对熊猫人脸识别，本研究开发了一种全自动深度学习算法，该算法由一系列深度神经网络(DNNs)组成，用于熊猫人脸的检测、分割、比对和身份预测。为了开发和评估该算法，建立了最大的熊猫图像数据集，包含来自218个不同大熊猫的6441张图像，占世界圈养大熊猫的39.78%。
(PS:这个逼格太高了，全世界就这一家基地能做了)
该算法的熊猫识别准确率达到96.27%，检测准确率达到100%。、
研究表明，熊猫人脸可以用于熊猫识别。它可以使用安装在它们栖息地的摄像头来监控它们的数量和行为。这种无创的方法比以前的熊猫调查中使用的方法更划算。
关键词:giant panda, individual identification, panda face recognition, population estimation

论文正文

研究背景

基于图像的动物分析是一种有效、高效的方法。摄像机已经安装在大熊猫的栖息地(Kelly, 2008)，因此，计算机视觉和机器学习技术可以应用于分析和监控大熊猫的行为和数量。。(Miller, Joyce, & Waits, 2005; Smallwood & Schonewald, 1998; Solberg, Bellemain, Drageset, Taberlet, & Swenson, 2006; Zhan et al., 2006)。生态学家们一直在试图识别个体动物，包括大熊猫(Ailuropoda melanoleuca)，以准确估计它们的数量，并研究它们的空间行为。(Xiangjiang et al.， 2009)这些信息对于制定合适的动物保护策略至关重要(Pollard, Blumstein， & Griffin, 2010;郑等，2016)。大熊猫种群及其动态变化是划定自然保护区、建立地方保护管理机构、建立生态廊道带的依据，也是评价保护管理方案有效性的重要指标。同时，它们也反映了研究区域生态系统的脆弱性。在实践中，由于大熊猫数量少且分布稀疏，在森林和山区复杂的大栖息地，很难准确估计大熊猫的数量。很难找到他们的踪迹。

为了有效地保护大熊猫，自1974年以来，中国国家林业和草原局已经进行了四次大熊猫调查，以估计它们的数量和分布，并收集其他相关信息。根据第四次大熊猫种群调查，四川省拥有野生大熊猫1387只，密度为每平方公里0.0684只。来自100多个组织的近700名实地科学家参加了第四次调查。采用直接计数法、路线调查法、咬痕距离判别法等传统调查方法，以及基于大熊猫粪便的分子生物学方法，如DNA指纹检测技术、微卫星分析等。(国家林业局，2006,2015a;詹等，2006)。虽然分子生物学方法可以准确区分不同的大熊猫，但其有效性受到样本新鲜度的严格限制(Zhan et al.， 2006)。无论是传统的调查方法还是分子生物学方法，都难以在短时间内进行大规模的调查，因为它们需要大量的人力、物力和财力，而且样本采集成功率低。因此，更有成本效益和更准确的大熊猫种群调查方法仍然是需要的。

幸运的是，成像设备、计算机视觉和机器学习技术的进步，包括深度神经网络。(Le Cun,Bengio,&Hint o, 2 0 1 5) 基于图像的动物分析是一种有效、高效的方法。摄像机已经安装在大熊猫的栖息地(Kelly, 2008)，因此，计算机视觉和机器学习技术可以应用于分析和监控大熊猫的行为和数量。