WildlifeDatasets: یک ابزار منبع باز برای شناسایی مجدد حیوانات: کار مرتبط

به طور مشابه، مانند سایر زمینه ها، توسعه روش ها و مجموعه داده ها برای شناسایی مجدد خودکار حیوانات تحت تأثیر پیشرفت در یادگیری ماشینی قرار گرفته است. در حال حاضر، بسیاری از مطالعات وجود دارد، اگرچه تفاوت‌ها از نظر رویکرد، خروجی پیش‌بینی و روش‌های ارزیابی منجر به چندین اشکال می‌شود.

اولاً، روش‌ها معمولاً از روندهای یادگیری ماشینی الهام می‌گیرند تا اینکه با سناریوهای شناسایی مجدد در دنیای واقعی برانگیخته شوند. یک مثال برجسته، انجام وظایف طبقه بندی بر روی یک مجموعه بسته است، که برای معیار در یادگیری عمیق معمول است، اما به طور کلی، در بوم شناسی واقع بینانه نیست، زیرا افراد جدید دائماً در جمعیت ها استخدام می شوند.

دوم، بسیاری از مطالعات بر روی یک مجموعه داده منفرد تمرکز می‌کنند و روش‌های خاص گونه‌ای را توسعه می‌دهند که بر روی مجموعه داده‌های داده‌شده ارزیابی می‌شوند نه بر روی یک خانواده از مجموعه‌های داده. [6, 10, 20, 25, 31, 52]، تکرارپذیری، انتقال پذیری و تعمیم را چالش برانگیز می کند.

ثالثاً، مجموعه داده‌ها به خوبی مدیریت نمی‌شوند و معمولاً شامل نشت داده‌های آموزشی برای آزمایش ناخواسته می‌شوند که منجر به افزایش انتظارات عملکرد می‌شود.

همه اینها منجر به تکرار شیوه های ضعیف هم در تنظیم مجموعه داده ها و هم در طراحی روش می شود. به این ترتیب، بسیاری از تحقیقات فعلی از عدم یکپارچگی رنج می برند، که، ما استدلال می کنیم، …

Source link