[论文解读] 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 9

一句话总结

本文提出了一种完全自动化的相机陷阱图像中哺乳动物属识别方法，采用多层鲁棒主成分分析（RPCA）进行分割，使用深度卷积神经网络（CNN）进行特征提取，LASSO进行特征选择，以及人工神经网络（ANN）或支持向量机（SVM）进行分类。该方法在使用自动分割图像对8种哺乳动物属及一个假阳性类别进行分类时，准确率达到92.65%，即使在假阳性率较高的情况下也表现出稳健性能。

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.

研究动机与目标

• 解决野生动物监测中低质量、噪声多且假阳性率高的相机陷阱图像带来的挑战。
• 开发一种集成系统，能够同时完成动物分割与属分类，而无需依赖人工分割。
• 通过结合深度CNN与基于LASSO的特征选择，减少噪声和冗余，提升分类的鲁棒性。
• 在哥伦比亚森林的真实相机陷阱数据上评估该方法，涵盖低光照和运动模糊等复杂条件。
• 证明自动分割可实现与专家标注真实值相当的高分类准确率。

提出的方法

• 使用多层鲁棒主成分分析（RPCA）自动从相机陷阱图像中分割出动物，有效应对背景变化和噪声。
• 使用深度卷积神经网络（CNN），包括GoogLeNet、ResNet50、ResNet101、ResNet152以及自定义的MixtureNet，从分割后的图像块中提取分层特征。
• 应用LASSO（最小绝对收缩和选择算子）选择最相关特征，通过消除噪声或冗余特征，降低特征维度并提升模型鲁棒性。
• 使用人工神经网络（ANN）和支持向量机（SVM）作为分类器，为所选特征分配属标签。
• 在三种实验设置下评估该方法：使用专家验证的真实分割结果、包含假阳性类别，以及通过多层RPCA实现的自动分割。
• 性能通过准确率、F1值以及LASSO选择后CNN特征的稀疏性分析进行衡量。

实验结果

研究问题

• RQ1 多层RPCA能否在复杂环境条件下有效分割相机陷阱图像中的动物？
• RQ2 在自动分割图像块上训练的深度CNN能否实现与在专家标注真实值上训练的模型相当的高分类准确率？
• RQ3 在自动分割产生的噪声或无关特征存在的情况下，LASSO特征选择是否能提升分类性能与鲁棒性？
• RQ4 在使用自动分割时，引入假阳性类别对整体分类准确率有何影响？
• RQ5 在高假阳性率的自动分割条件下，不同CNN架构（如ResNet、GoogLeNet、MixtureNet）的表现如何？

主要发现

• 在使用自动分割图像并包含假阳性类别时，该方法的分类准确率达到92.65%，共覆盖9类（8个属 + FP）。
• 在使用专家验证的真实分割结果时，该方法在10类情况下准确率为90.32%，在11类情况下为90.15%，即使在人工分割条件下也表现出强劲性能。
• MixtureNet架构在自动分割与假阳性类别设置下达到最高准确率92.65%，优于其他CNN模型。
• LASSO选择使MixtureNet的特征维度降低超过96%，表明具有高度稀疏性，且对噪声特征具有强鲁棒性。
• 在自动分割实验中，各类别准确率的标准差仅为3.62%，表明在不同属之间表现稳定且一致。
• 结果表明，即使在高假阳性率的自动分割图像上训练，CNN仍能有效分类IoU > 0.5的图像块。