WildlifeDatasets: یک ابزار منبع باز برای شناسایی مجدد حیوانات: MegaDescriptor – روش شناسی

4. MegaDescriptor – روش شناسی

شناسایی مجدد حیات وحش معمولاً به عنوان یک مسئله طبقه بندی مجموعه بسته فرمول بندی می شود، که در آن وظیفه تخصیص هویت ها از مجموعه ای از هویت های شناخته شده از پیش تعیین شده به تصاویر نادیده داده شده است. تنظیمات ما از برنامه‌های کاربردی واقعی الهام می‌گیرد، جایی که بوم‌شناسان حیوانات یک مجموعه تصویر مرجع (یعنی پایگاه داده‌ای از هویت‌های شناخته‌شده) را با یک مجموعه تصویر جستجو (یعنی تصاویر تازه به‌دست‌آمده) برای تعیین هویت افراد در تصاویر جدید مقایسه می‌کنند. در جستجوی بهترین روش‌های مناسب برای MegaDescriptor، ما ادبیات موجود را دنبال می‌کنیم [16, 31, 34, 41] و بر توصیفگرهای محلی و یادگیری متریک تمرکز کنید. ما تمام مطالعات فرسایش را در 29 مجموعه داده ارزیابی می کنیم[4] از طریق جعبه ابزار WildlifeDataset ارائه شده است.

4.1. رویکردهای ویژگی های محلی

الهام گرفتن از موفقیت توصیفگرهای محلی در ابزارهای شناسایی مجدد حیات وحش موجود [21, 41]، ما توصیفگرهای SIFT و Superpoint را در ارزیابی خود لحاظ می کنیم. فرآیند تطبیق شامل مراحل زیر است: (1) ما نقاط کلیدی و توصیفگرهای مربوط به آنها را از همه تصاویر در مجموعه‌های مرجع و پرس و جو استخراج می‌کنیم، (2) فاصله توصیف‌گرها را بین تمام جفت‌های ممکن تصاویر مرجع و پرس و جو محاسبه می‌کنیم، (iii) ما به کار می‌گیریم. تست نسبت با …

Source link