河川・湖沼鳥類に対する改良型YOLOv8nモデルに基づくインテリジェント識別方法

科学分野:

• コンピュータビジョン
• 人工知能
• 生態学的モニタリング

背景:

• 正確な鳥類ターゲット認識は、生態学的モニタリングにとって極めて重要です。
• 既存のアルゴリズムは、軽量設計と高精度、特に複雑な環境における小型で疎な鳥類の検出において課題を抱えています。

研究 の 目的:

• 改良型軽量鳥類認識モデル（YOLOv8-MAT-2H）を河川・湖沼環境向けに開発すること。
• 複雑な背景における小型鳥類の検出を強化し、リアルタイム性能を維持すること。

主な方法:

• マルチスケール特徴モジュール（MSBlock）を導入し、鳥類の特徴表現を改善しました。
• 適応的ダウンサンプリングモジュール（ADown）を利用して、エッジおよび微細な特徴抽出を強化しました。
• 検出ヘッドの削減（Reduced Head）と適応閾値焦点損失（ATFL）を実装し、パフォーマンスを最適化し、検出が困難なターゲットに焦点を当てました。

主要な成果:

• 平均精度（mAP）を0.704から0.722に向上させました。
• モデルパラメータ数を3.01Mから2.41Mに、計算コスト（GFLOPS）を8.1から7.3に削減しました。
• 毎秒714.3フレームのリアルタイム検出を維持し、小型ターゲットおよび複雑な背景に対する応答性を向上させました。

結論:

• YOLOv8-MAT-2Hモデルは、インテリジェント鳥類モニタリングシステムに対して効率的かつ実用的なソリューションを提供します。
• このモデルは、軽量設計と高精度において、困難な水生環境での鳥類認識において優れたパフォーマンスを示します。
• このアプローチは、エッジデバイスでの効果的な鳥類モニタリングの展開を容易にします。