PARDINUS: Weakly supervised discarding of photo-trapping empty images based on autoencoders

要約

写真捕獲カメラは野生動物の監視に広く採用されています。
これらのカメラは、動きが検出されると写真を撮影し、動物が現れる画像をキャプチャします。
これらの画像のかなりの部分は空であり、画像には野生動物は表示されません。
これらの画像をフィルタリングして除外することは、生物学者による何時間もの手作業が必要となるため、簡単な作業ではありません。
したがって、このタスクの自動化には注目が集まっています。
空の写真トラッピング画像の自動破棄は、機械学習の分野ではまだ未開発の分野です。
既存のソリューションは多くの場合、トレーニング段階で画像に注釈を付ける必要がある最先端の教師あり畳み込みニューラル ネットワークに依存しています。
PARDINUS (AutoencoderS に基づく写真トラッピング空の画像の弱い教師ありの破棄) は、弱教師あり学習の基礎に基づいて構築されており、このアプローチがさらなるラベル付け作業を必要とする他の完全教師あり手法と同等かそれを上回ることを証明します。

要約(オリジナル)

Photo-trapping cameras are widely employed for wildlife monitoring. Those cameras take photographs when motion is detected to capture images where animals appear. A significant portion of these images are empty – no wildlife appears in the image. Filtering out those images is not a trivial task since it requires hours of manual work from biologists. Therefore, there is a notable interest in automating this task. Automatic discarding of empty photo-trapping images is still an open field in the area of Machine Learning. Existing solutions often rely on state-of-the-art supervised convolutional neural networks that require the annotation of the images in the training phase. PARDINUS (Weakly suPervised discARDINg of photo-trapping empty images based on aUtoencoderS) is constructed on the foundation of weakly supervised learning and proves that this approach equals or even surpasses other fully supervised methods that require further labeling work.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google