Inicio Noticias Competencia de visión artificial: cuenta las bestias salvajes

Competencia de visión artificial: cuenta las bestias salvajes

IWildCam 2021, un concurso de visión por computadora para contar la cantidad de animales registrados en los datos de las cámaras trampa, está actualmente en marcha en la plataforma Kaggle. Los datos de la competencia provienen de Wildlife Conservation Society (WCS) e iNaturalist y están alojados en Azure por Microsoft AI for Earth.

Al igual que la competencia iNaturalist que reportamos en 2018, esta es una competencia FGVC (Fine Grained Visual Categorization) y esta vez forma parte del taller CVPR 2021 FGVC8, el evento anual de visión artificial que este año se realizará virtualmente a partir del 10 de junio. -25.

Según la descripción del concurso en Kaggle:

Los ecologistas de todo el mundo utilizan cámaras trampa para monitorear la biodiversidad y la densidad de población de las especies animales. Para estimar la abundancia y densidad de especies en los datos de las cámaras trampa, los ecólogos necesitan saber no solo qué especies se han visto, sino también cuántas de cada especie se han visto. Sin embargo, como las imágenes se toman en ráfagas activadas por movimiento para aumentar la probabilidad de capturar al animal o animales de interés, la detección de objetos por sí sola no es suficiente, ya que podría llevar a un conteo excesivo o insuficiente.

Siendo un usuario entusiasta, aunque no muy exitoso, de wildcam, aprecio el problema de tratar de contar animales individuales cuando a veces solo ves hocicos o colas y algunos están oscurecidos por la vegetación, y por supuesto, en muchos casos tienes tomas nocturnas cuando tal vez todos ¡Eso que ves son pares de ojos!

boarcount

Incluso a un ser humano que todavía esté observando le resultará difícil contar los verracos, pero ¿puede la visión por computadora cumplir la doble función de identificar especies y contar individuos?

En la página de GitHub del concurso hay un ejemplo un poco más difícil: esta vez hay un total de seis babuinos en la secuencia:

babbooncount

Para una tarea aún más difícil, considere el cuadro congelado a continuación de un video que es parte del conjunto de datos.

iwldcamsq

Puede encontrar más información sobre los conjuntos de datos, los desafíos que representan y dos modelos que los competidores pueden usar en The iWildCam 2021 Competition Dataset, un documento de archivo de Google y el Instituto de Tecnología de California (Caltech).

Hasta la fecha, 39 equipos están participando en la competencia y todavía hay tiempo para participar antes de la fecha límite de fusión de equipos. La fecha final para la presentación es el 28 de mayo y si se perdió el aviso del concurso de 2021, el documento dice:

En los próximos años, planeamos extender el desafío de iWildCam agregando flujos de datos y actividades adicionales, como detección, segmentación o estimación de distancia. Esperamos utilizar el conocimiento adquirido durante estos desafíos para facilitar el desarrollo de sistemas que puedan proporcionar con precisión la identificación de especies en tiempo real y el recuento de imágenes de cámaras trampa a escala global.

La conclusión continúa:

Cualquier progreso realizado tendrá un impacto directo en la escalabilidad geográfica, temporal y taxonómica de la investigación sobre biodiversidad.

Más información

iWildcam 2021 en GitHub

iWildcam 2021 – FGVC8

El conjunto de datos de la competencia iWildCam 2021 de Sara Beery, rushi Agarwal, Elijah Cole y Vighnesh Birodkar

Artículos relacionados

Concurso iNaturalist de Kaggle

Identificación de la canción de los pájaros: una competencia de aprendizaje automático de Kaggle

iNaturalist lanza una aplicación de identificación basada en aprendizaje profundo

Kaggle envuelto en Google Cloud

Marc Gomez
Vine a por tabaco y ya me quedé aquí. Cuando no estoy en el sótano de Tecnopasion suelo pasear por las calles de Barcelona.
RELATED ARTICLES

Dejar respuesta

Please enter your comment!
Please enter your name here