MOT migliora la classificazione della fauna selvatica dalle fototrappole
Uno studio su arXiv (2605.16672) dimostra che il Multi-Object Tracking (MOT) può migliorare la coerenza dei modelli di classificazione della fauna selvatica applicati ai dati delle fototrappole. Sebbene questi modelli raggiungano un'elevata accuratezza su dataset curati, le loro prestazioni degradano in condizioni reali, con etichette per lo stesso individuo che fluttuano tra i fotogrammi. Collegando le rilevazioni tramite MOT e fondendo le probabilità softmax lungo le traiettorie, il metodo produce un'unica etichetta di consenso per animale, migliorando l'affidabilità dell'inferenza.
Fatti principali
- Le fototrappole sono ampiamente utilizzate nella ricerca ecologica e nella conservazione della biodiversità.
- I modelli di classificazione della fauna selvatica sono accurati su dataset curati ma sensibili alle condizioni reali.
- Le previsioni per un singolo individuo spesso cambiano rapidamente tra i fotogrammi.
- Lo studio utilizza il Multi-Object Tracking (MOT) per collegare le rilevazioni attraverso fotogrammi consecutivi.
- Le traiettorie vengono utilizzate per fondere le probabilità delle classi softmax.
- Il punteggio di probabilità fuso produce un'unica etichetta di classe di consenso.
- L'approccio sfrutta la natura temporale dei dati delle fototrappole.
- L'articolo è disponibile su arXiv con ID 2605.16672.
Entità
Istituzioni
- arXiv