GreenCrossingAI: 用于环境科学研究团体的相机陷阱/计算机视觉管道-计算机科学-人工智能-环境科学.pdf

GreenCrossingAI:用于环境科学研究团体的

相机陷阱/计算机视觉管道

BernieBoscoeShawnE.JohnsonAndreaJ.Osbon

boscoeb@johnsos32@osbona@

SouthernOregonUniversitySouthernOregonUniversitySouthernOregonUniversity

Ashland,Oregon,USAAshland,Oregon,USAAshland,Oregon,USA

ChandlerCampbellKarenH.Mager

campbellr@magerk@

本SouthernOregonUniversitySouthernOregonUniversity

译Ashland,Oregon,USAAshland,Oregon,USA

中摘要通过关注实际解决方案，该管道提供了易于访问的数

2据传输、推理和评估方法，使研究人员能够从不断增

v相机陷阱长期以来一直被野生动物研究人员用来以非

0侵入性和高效的方式监测和研究动物行为、种群动态、长的相机陷阱数据集中发现有意义的见解。

1

4栖息地使用以及物种多样性。尽管随着新工具和技术

9

0.能力的出现，野外数据收集有所增加，但开发、处理CCSConcepts

7和管理数据的方法，特别是机器学习/人工智能工具的

0应用，仍然具有挑战性。这些挑战包括生成的数据量•Computingmethodologies→Objectdetection;Ob-

5

2庞大，需要准确标注和注释，环境条件的变化影响数jectrecognition;Neuralnetworks;Supervisedlearningby

:classification;•Appliedcomputing→Lifeandmedical

v据质量，以及将机器学习/人工智能工具整合到现有工

i

x作流程中通常需要特定领域的定制和计算资源。本文sciences;•Informationsystems→Datamining;•Soft-

r

a提供了一个低资源管道的指南，在本地处理相机陷阱wareanditsengineering→Softwaredevelopment

methods.

数据，并结合了专门为资源有限且缺乏计算专业知识

的小型研究团队量身定制的机器学习/人工智能功能。

PermissiontomakedigitalorhardcopiesofallorpartofthisworkforpersonalKeywords

orclassroomuseisgrantedwithoutfeeprovidedthatcopiesarenotmadeor

distributedforprof