An empirical study of automatic wildlife detection using drone thermal imaging and object detection

要約

人工知能は、野生動物データの収集と解釈のための費用対効果の高い方法を通じて、野生動物管理に貴重な貢献をする可能性があります。
遠隔操縦航空機システム (RPAS または「ドローン」) と熱画像技術の最近の進歩により、野生生物のデータを収集するための新しいアプローチが生み出されました。
これらの新興技術は、より広範囲の領域をカバーするだけでなく、標準的な労力のかかる現場技術に代わる有望な代替手段を提供する可能性があります。
この研究では、ドローンを使った野生動物探知の包括的なレビューと実証研究を実施します。
具体的には、ドローン由来の野生生物の熱検出の現実的なデータセットを収集します。
収集されたデータ内の樹上生息種 (コアラ、ファスコラルクトス・シネレウスなど) および地上生息種を含む野生動物の検出には、専門家によって境界ボックスを介して注釈が付けられます。
次に、収集したデータセットで最先端の物体検出アルゴリズムのベンチマークを行います。
これらの実験結果を活用して、ドローンによる動物自動監視の課題を特定し、今後の方向性を検討します。

要約(オリジナル)

Artificial intelligence has the potential to make valuable contributions to wildlife management through cost-effective methods for the collection and interpretation of wildlife data. Recent advances in remotely piloted aircraft systems (RPAS or “drones”) and thermal imaging technology have created new approaches to collect wildlife data. These emerging technologies could provide promising alternatives to standard labourious field techniques as well as cover much larger areas. In this study, we conduct a comprehensive review and empirical study of drone-based wildlife detection. Specifically, we collect a realistic dataset of drone-derived wildlife thermal detections. Wildlife detections, including arboreal (for instance, koalas, phascolarctos cinereus) and ground dwelling species in our collected data are annotated via bounding boxes by experts. We then benchmark state-of-the-art object detection algorithms on our collected dataset. We use these experimental results to identify issues and discuss future directions in automatic animal monitoring using drones.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google