A contrastive learning approach for individual re-identification in a wild fish population

要約

陸生生態学と海洋生態学の両方で、物理的なタグ付けは、個体群の動態と行動を研究するために頻繁に使用される方法です。
しかし、このようなタグ付け技術は、画像解析を使用した個人の再識別にますます置き換えられています。
この論文では、個人を識別するための対照的な学習ベースのモデルを紹介します。
このモデルは、プロジェクション ヘッドによってサポートされる Inception v3 ネットワークの最初の部分を使用し、対照学習を使用して、均一な写真のコレクションから類似または非類似の画像ペアを見つけます。
この手法を、生態学的および商業的に重要な魚種であるコルクウィング ベラ、Symphodus melops に適用します。
写真は、野生個体群から同じ個体を繰り返し捕獲する際に撮影されます。個体の目撃間隔は、数日から数年に及ぶ場合があります。
私たちのモデルは、データセットで 0.35 の 1 ショット精度、0.56 の 5 ショット精度、および 0.88 の 100 ショット精度を達成します。

要約(オリジナル)

In both terrestrial and marine ecology, physical tagging is a frequently used method to study population dynamics and behavior. However, such tagging techniques are increasingly being replaced by individual re-identification using image analysis. This paper introduces a contrastive learning-based model for identifying individuals. The model uses the first parts of the Inception v3 network, supported by a projection head, and we use contrastive learning to find similar or dissimilar image pairs from a collection of uniform photographs. We apply this technique for corkwing wrasse, Symphodus melops, an ecologically and commercially important fish species. Photos are taken during repeated catches of the same individuals from a wild population, where the intervals between individual sightings might range from a few days to several years. Our model achieves a one-shot accuracy of 0.35, a 5-shot accuracy of 0.56, and a 100-shot accuracy of 0.88, on our dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google