Bitte benutzen Sie diese Kennung, um auf die Ressource zu verweisen:
https://doi.org/10.21256/zhaw-24927| Publikationstyp: | Konferenz: Poster |
| Art der Begutachtung: | Peer review (Abstract) |
| Titel: | Animal detection and species classification on Swiss camera trap images using AI |
| Autor/-in: | Vidondo, Beatriz Glüge, Stefan Hubert, Laurtent Fischer, Claude Le Grand, Luc |
| et. al: | No |
| DOI: | 10.21256/zhaw-24927 |
| Angaben zur Konferenz: | Bern Data Science Day (BDSD), Bern, 6 May 2022 |
| Erscheinungsdatum: | 6-Mai-2022 |
| Verlag / Hrsg. Institution: | ZHAW Zürcher Hochschule für Angewandte Wissenschaften |
| Sprache: | Englisch |
| Schlagwörter: | Object detection; Computer vision |
| Fachgebiet (DDC): | 006: Spezielle Computerverfahren 590: Tiere (Zoologie) |
| Zusammenfassung: | Motion-triggered camera traps are essential for the monitoring and management of wildlife. As per today in Switzerland, a high number of pictures is manually processed (annotated and classified). We study the utilization of available detection and classification models to (semi-)automatize this process. Two main aspects were investigated: 1) evaluate the feasibility of a non-expert local application (with Microsoft's MegaDetector model), and 2) quantify model performance using several labelled datasets of varying quality and content. Our results show a highly accurate (sensitive and specific), and reliable, fast inference which efficiently allows the automatic pre-discarding of all non-animal images. Further, the MegaDetector turns out to be both, user-friendly and highly performant and thus, an ideal tool for Swiss wildlife experts and stakeholders. Incentives (educational and financial) are required to promote knowledge transfer to this field. |
| URI: | https://digitalcollection.zhaw.ch/handle/11475/24927 |
| Volltext Version: | Publizierte Version |
| Lizenz (gemäss Verlagsvertrag): | Lizenz gemäss Verlagsvertrag |
| Departement: | Life Sciences und Facility Management |
| Organisationseinheit: | Institut für Computational Life Sciences (ICLS) |
| Enthalten in den Sammlungen: | Publikationen Life Sciences und Facility Management |
Dateien zu dieser Ressource:
| Datei | Beschreibung | Größe | Format | |
|---|---|---|---|---|
| 2022_Vidondo-etal_CameraTraps_Poster_BDSD.pdf | 622.15 kB | Adobe PDF |  Öffnen/Anzeigen |
Zur Langanzeige
Vidondo, B., Glüge, S., Hubert, L., Fischer, C., & Le Grand, L. (2022, May 6). Animal detection and species classification on Swiss camera trap images using AI. Bern Data Science Day (BDSD), Bern, 6 May 2022. https://doi.org/10.21256/zhaw-24927
Vidondo, B. et al. (2022) ‘Animal detection and species classification on Swiss camera trap images using AI’, in Bern Data Science Day (BDSD), Bern, 6 May 2022. ZHAW Zürcher Hochschule für Angewandte Wissenschaften. Available at: https://doi.org/10.21256/zhaw-24927.
B. Vidondo, S. Glüge, L. Hubert, C. Fischer, and L. Le Grand, “Animal detection and species classification on Swiss camera trap images using AI,” in Bern Data Science Day (BDSD), Bern, 6 May 2022, May 2022. doi: 10.21256/zhaw-24927.
VIDONDO, Beatriz, Stefan GLÜGE, Laurtent HUBERT, Claude FISCHER und Luc LE GRAND, 2022. Animal detection and species classification on Swiss camera trap images using AI. In: Bern Data Science Day (BDSD), Bern, 6 May 2022. Conference poster. ZHAW Zürcher Hochschule für Angewandte Wissenschaften. 6 Mai 2022
Vidondo, Beatriz, Stefan Glüge, Laurtent Hubert, Claude Fischer, and Luc Le Grand. 2022. “Animal Detection and Species Classification on Swiss Camera Trap Images Using AI.” Conference poster. In Bern Data Science Day (BDSD), Bern, 6 May 2022. ZHAW Zürcher Hochschule für Angewandte Wissenschaften. https://doi.org/10.21256/zhaw-24927.
Vidondo, Beatriz, et al. “Animal Detection and Species Classification on Swiss Camera Trap Images Using AI.” Bern Data Science Day (BDSD), Bern, 6 May 2022, ZHAW Zürcher Hochschule für Angewandte Wissenschaften, 2022, https://doi.org/10.21256/zhaw-24927.
Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt, soweit nicht anderweitig angezeigt.