复杂森林场景下野生鸟类AI识别技术评估

作者：宋奇 (第一作者)，管宇 (第一作者)，郭曦，郭新慧，陈昱峰，王红芳，葛剑平，王天明 (通讯作者)，鲍蕾 (通讯作者）

详见：http://tiger.bnu.edu.cn/kxyj/yjjz/3ed3470ff85b4d9281b07882fe879fc5.htm             

2024年1月，东北虎豹生物多样性国家野外科学观测研究站虎豹团队在Ecological Informatics发表了研究论文“Benchmarking wild bird detection in complex forest scenes ”。该研究基于中国东北虎豹国家公园相机记录的林下15个鸟种的9717张图像数据集，测试了8种最新的AI目标检测算法（Faster RCNN、Cascade RCNN、RetinaNet、FCOS、RepPoints、ATSS、Deformable-DETR 和 Sparse RCNN）。由于生活背景的复杂程度、鸟种自身特殊保护色等原因以及目标检测算法的特点不同，这些算法对不同鸟种的检测能力存在差异。研究发现Cascade RCNN模型表现最好，模型能力mAP为0.693。此外，本研究还探讨了不同主干网对模型准确性的影响。基于Swin-T主干的Cascade RCNN是性能最佳的组合，mAP为0.704。这项研究可以帮助研究人员有效地识别鸟类，并为复杂生态环境中野生动物识别的研究提供新思路。