Deep Learning Pipeline for Automated Visual Moth Monitoring: Insect Localization and Species Classification

要約

生物多様性のモニタリングは、個体数変動の不利な傾向を追跡し、それに対抗するために非常に重要です。
しかし、自動認識システムはこれまでのところほとんど適用されておらず、専門家が生成されたデータ塊を手動で評価しています。
特に生物多様性研究では、広告やエンターテイメントなどの他の分野に比べて、視覚的なモニタリングのためのディープラーニング手法のサポートがまだ確立されていません。
この論文では、AMMOD プロジェクト内で開発された蛾種の自動視覚監視システムである蛾スキャナーによってキャプチャされた画像を分析するための深層学習パイプラインを紹介します。
まず蛾検出器で個体の位置を特定し、その後、分類器で検出された昆虫の種類を特定します。
当社の検出器は最大 99.01% の平均精度を達成し、分類器は 1 匹の昆虫を描いた画像の切り抜きで 200 種の蛾を 93.13% の精度で識別します。
パイプラインで両方を組み合わせることで、蛾スキャナーの画像における種識別の精度が 79.62% から 88.05% に向上します。

要約(オリジナル)

Biodiversity monitoring is crucial for tracking and counteracting adverse trends in population fluctuations. However, automatic recognition systems are rarely applied so far, and experts evaluate the generated data masses manually. Especially the support of deep learning methods for visual monitoring is not yet established in biodiversity research, compared to other areas like advertising or entertainment. In this paper, we present a deep learning pipeline for analyzing images captured by a moth scanner, an automated visual monitoring system of moth species developed within the AMMOD project. We first localize individuals with a moth detector and afterward determine the species of detected insects with a classifier. Our detector achieves up to 99.01% mean average precision and our classifier distinguishes 200 moth species with an accuracy of 93.13% on image cutouts depicting single insects. Combining both in our pipeline improves the accuracy for species identification in images of the moth scanner from 79.62% to 88.05%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google