[论文解读] Animal Wildlife Population Estimation Using Social Media Images Collections

Matteo Foglio, Lorenzo Semeria+3 more|arXiv (Cornell University)|Aug 5, 2019

Species Distribution and Climate Change被引用 4

一句话总结

本文提出了一种新颖的框架，利用社交媒体图像集合估算野生动物种群规模，通过建模图像收集结构和可分享性来纠正用户分享偏差。以格氏斑马为案例研究，采用XGBoost从共享图像中预测未共享的动物数量，R²达到0.417，种群估算结果接近官方数据，表明社交媒体偏差可通过机器学习方法学习并纠正，适用于保护监测。

ABSTRACT

We are losing biodiversity at an unprecedented scale and in many cases, we do not even know the basic data for the species. Traditional methods for wildlife monitoring are inadequate. Development of new computer vision tools enables the use of images as the source of information about wildlife. Social media is the rich source of wildlife images, which come with a huge bias, thus thwarting traditional population size estimate approaches. Here, we present a new framework to take into account the social media bias when using this data source to provide wildlife population size estimates. We show that, surprisingly, this is a learnable and potentially solvable problem.

研究动机与目标

• 解决传统监测方法受限导致的野生动物种群数据不可靠这一关键问题。
• 开发一种方法，校正野生动物图像集合中因社交媒体分享偏差导致的种群估算失真。
• 同时建模摄影师原始图像集合中的动物数量以及图像被分享的可能性。
• 证明图像可分享性和集合结构是可学习的信号，有助于改善种群估算。
• 提供一种可扩展、物种无关的框架，利用公开的社交媒体数据进行种群估算。

提出的方法

• 该框架将种群估算问题视为回归任务，利用共享图像特征和集合结构特征，预测摄影师原始SD卡中动物总数。
• 将图像可分享性建模为二分类问题，使用动物个体特征、图像美感和集合上下文等特征，预测某张照片是否会被分享。
• 针对2016年和2018年格氏斑马图像集开展调查，标注可分享性，构建训练模型的基准真值。
• 在回归和分类任务中均使用XGBoost，并通过交叉验证评估R²、MSE、F1-score和准确率等性能指标。
• 最终种群估算采用Jolly-Seber捕获-标记-再捕获方法，结合平均分享系数以校正未检测到的再捕获个体。
• 该框架基于每个用户的预测可分享性，计算校正因子$ k_i $，将共享动物数量进行缩放，以估算总拍摄数量。

实验结果

研究问题

• RQ1 尽管存在显著的用户分享偏差，社交媒体图像集合能否被可靠地用于估算野生动物种群规模？
• RQ2 图像集合的结构（如动物数量、多样性等）在多大程度上影响图像的可分享性？
• RQ3 机器学习模型能否仅基于共享子集，准确预测摄影师原始图像集中动物的数量？
• RQ4 图像特征与集合层面特征的结合，在建模用户分享行为方面有多有效？
• RQ5 与直接统计共享图像数量相比，可学习的偏差校正是否能显著提升种群估算效果？

主要发现

• 在回归任务中，XGBoost的R²为0.417（±0.155），MSE为0.070（±0.020），显著优于基线模型（基线模型R²为负值）。
• 在可分享性分类任务中，XGBoost在合并数据集上达到82%准确率和0.62 F1-score，在更规则的GGR1数据集上达到92%准确率和0.77 F1-score。
• 该框架在2016年估算格氏斑马种群数量为2,341只，接近官方统计的2,250只，均方根误差（RMSE）为1,194。
• 模型在GGR1数据集（数据更规则）上的表现优于合并数据集，表明数据结构会影响可学习性。
• 本研究证明，社交媒体中野生动物图像分享的偏差可通过集合层面特征和机器学习方法实现学习与校正。
• 结合Jolly-Seber方法与校正系数的最终种群估算结果合理，验证了该框架在保护应用中的潜力。