在中国西南部邻近地区,改进了用于野生动物检测的重新参数化的卷积
Wenjie Mao1, Gang Li1, Xiaowei Li1
1School of Mathematics and Computer Science, Dali University, Dali 671003, China.
Animals : an open access journal from MDPI
|April 27, 2024
概括
一个新的野生动物物体探测器改进了摄像头陷图像分析,达到88.3%的准确性. 该系统通过在图像中有效检测和定位物种来加强野生动物监测,即使是在资源有限的平台上也是如此.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 野生动物保护技术技术
背景情况:
- 摄像头陷产生大量的图像数据,通常包含无关或空的,这给有效的野生动物监测带来了挑战.
- 需要自动化系统来处理摄像头陷图像,过非目标图像,准确识别/定位野生动物物种.
- 部署平台上的有限计算资源需要高效和准确的对象检测模型.
研究的目的:
- 开发一个专门的野生动物物体探测器,优化用于资源有限的摄像头陷平台.
- 提高自主野生动物图像分析的准确性和效率,包括过,分类和定位.
- 为在远程现场应用中加强野生动物监测和数据采集提供实用解决方案.
主要方法:
- 使用YOLOv6-N对象检测算法作为基础,并结合了针对性能增强的定制优化器.
- 在脊柱网络中引入了不对称的卷积分支,以改进特征表征.
- 简化了Neck架构,并使用CIoU损失实现更高的检测性能,完善了RepOptimizer用于VGG式网络训练.
主要成果:
- 在相机陷野生动物数据集上实现了88.3%的检测准确度,超过了YOLOv6-N,YOLOv7-T和YOLOv8-N.
- 在INT8量子化后保持了高检测性能,在NVIDIA Jetson Xavier NX.上推断速度为6.15ms.
- 在与相机陷数据相关的野生动物图像识别和对象定位任务中表现出卓越的性能.
结论:
- 拟议的野生动物物体探测器为自动化摄像头陷图像分析提供了实用和高效的解决方案.
- 该方法显著提升了实时,现场动物观察系统,促进了自动化野生动物监测.
- 这项工作提供了一个强大的工具,通过改进数据采集和分析来加强野生动物保护工作.
