物体検出技術を用いた動物のアイデンティティ認識

物体検出は、分類、認識、物体の位置特定などの学習手法の組み合わせを使用して、画像やビデオに存在するさまざまな物体を認識し、検出する方法です。カメラトラップを通じた野生動物種の同定は、照明の変動、多様な気象パターン、季節変化、複雑な背景など撮影条件に起因するさまざまな困難から、依然として未解決の課題を残しています。さらに、予測できない動き、多様な形状やポーズ、自然物による遮蔽が複雑さに寄与し、正確な認識が持続的な問題となっています。この論文では、YOLOv5およびDetectron2のフレームワークを利用して、動物画像を定義済みのクラスおよび注釈付き領域に分類します。識別とその後のアイデンティティ検出のためのこれら自動化されたフレームワークは、それぞれブリストルデータセットとサルの種データセットを使用してゴリラとサルに適用されます。実施した実験の結果、両データセットにおいて良好な結果を得て、YOLOv5では最高のmAP 95.07を達成しました。