[論文レビュー] Automatic Recognition of Mammal Genera on Camera-Trap Images using Multi-Layer Robust Principal Component Analysis and Mixture Neural Networks

Jhony-Heriberto Giraldo-Zuluaga, Augusto Salazar+2 more|arXiv (Cornell University)|May 8, 2017

Advanced Measurement and Detection Methods被引用数 9

ひとこと要約

本論文は、セグメンテーションにマルチレイヤーロバスト主成分分析（RPCA）を用い、特徴抽出に深層畳み込みニューラルネットワーク（CNN）、特徴選択にLASSO、分類にANNまたはSVMを用いる、完全自動の哺乳類属認識手法を提案する。自動的にセグメンテーションされた画像を用いて8種の哺乳類属に加え偽陽性クラスを含む9クラスを分類する際、92.65%の正確性を達成し、高い偽陽性率下でも頑健な性能を示している。

ABSTRACT

The segmentation and classification of animals from camera-trap images is due to the conditions under which the images are taken, a difficult task. This work presents a method for classifying and segmenting mammal genera from camera-trap images. Our method uses Multi-Layer Robust Principal Component Analysis (RPCA) for segmenting, Convolutional Neural Networks (CNNs) for extracting features, Least Absolute Shrinkage and Selection Operator (LASSO) for selecting features, and Artificial Neural Networks (ANNs) or Support Vector Machines (SVM) for classifying mammal genera present in the Colombian forest. We evaluated our method with the camera-trap images from the Alexander von Humboldt Biological Resources Research Institute. We obtained an accuracy of 92.65% classifying 8 mammal genera and a False Positive (FP) class, using automatic-segmented images. On the other hand, we reached 90.32% of accuracy classifying 10 mammal genera, using ground-truth images only. Unlike almost all previous works, we confront the animal segmentation and genera classification in the camera-trap recognition. This method shows a new approach toward a fully-automatic detection of animals from camera-trap images.

研究の動機と目的

• 野生生物モニタリングにおける低品質でノイズの多いカメラトラップ画像、特に高い偽陽性率の課題に対処すること。
• 手動セグメンテーションに依存せずに、同時に動物セグメンテーションと属分類を実行する統合システムの開発。
• ノイズや冗長性の高い特徴を低減するために、深層CNNとLASSOベースの特徴選択を組み合わせることで分類の頑健性を向上させること。
• コロンビアの森林地域における実際のカメラトラップデータを用いて、低照度やブレといった困難な状況下での評価。
• 自動セグメンテーションが、熟練者によるラベル付き正解データと同等の高い分類正確性を達成できることを実証すること。

提案手法

• マルチレイヤーロバスト主成分分析（RPCA）を用いて、背景の変動やノイズに対応し、カメラトラップ画像から自動的に動物をセグメンテーションする。
• 深層畳み込みニューラルネットワーク（CNN）、GoogLeNet、ResNet50、ResNet101、ResNet152、および独自開発のMixtureNetを用い、セグメンテーションされた画像パッチから階層的特徴を抽出する。
• LASSO（最小絶対値収縮および選択作用素）を用いて、最も関連性の高い特徴を選択し、次元削減とノイズまたは冗長な特徴の除去によりモデルの頑健性を向上させる。
• 人工ニューラルネットワーク（ANN）およびサポートベクターマシン（SVM）を分類器として用い、選択された特徴に属ラベルを割り当てる。
• 熟練者による正解セグメンテーション、偽陽性クラスの追加、マルチレイヤーRPCAによる自動セグメンテーションの3つの実験設定で手法を評価する。
• 性能は正確性、F-measure、およびLASSO選択後のCNN特徴のスパarsity分析を用いて測定する。

実験結果

リサーチクエスチョン

• RQ1 マルチレイヤーRPCAは、厳しい環境条件下でもカメラトラップ画像からの動物セグメンテーションを効果的に実行できるか？
• RQ2 自動的にセグメンテッドされたパッチで訓練された深層CNNは、熟練者ラベル付き正解データで訓練されたものと同等の高い分類正確性を達成できるか？
• RQ3 自動セグメンテーションに起因するノイズや関連性のない特徴が存在する状況下でも、LASSO特徴選択は分類性能と頑健性を向上させるか？
• RQ4 自動セグメンテーションを用いる場合、偽陽性クラスの追加が全体の分類正確性に与える影響はいかほどか？
• RQ5 異なるCNNアーキテクチャ（例：ResNet、GoogLeNet、MixtureNet）は、高い偽陽性率を伴う自動セグメンテーション下で、どの程度の性能を示すか？

主な発見

• 自動的にセグメンテーションされた画像を用い、偽陽性クラスを含む9クラス（8属＋FP）を分類した際、92.65%の分類正確性を達成した。
• 熟練者による正解セグメンテーションを用いた場合、10クラスでは90.32%、11クラスでは90.15%の正確性を示し、手動セグメンテーション下でも強力な性能を発揮した。
• MixtureNetアーキテクチャが、自動セグメンテーションと偽陽性クラスを含む設定で最高の92.65%の正確性を達成し、他のCNNよりも優れた性能を示した。
• LASSO選択により、MixtureNetでは特徴次元が96%以上削減された。これは高いスパarsityとノイズに強い特徴選択の有効性を示している。
• 自動セグメンテーション実験におけるクラスごとの正確性の標準偏差は低く（3.62%）、属間で安定した一貫性のある性能を示した。
• 結果から、IoU > 0.5 のパッチについても、高偽陽性率を伴う自動セグメンテーションデータで学習されたCNNが、効果的に分類できることを示した。