Cheetah: Wildtier-Kategorisierung
Cheetah
Wildtier-Kategorisierung
Zur Verbesserung der Kategorisierung von Wildtieren, die in Fotofallen erfasst werden, wird in diesem Projekt eine auf Deep Learning basierende automatische Bildkategorisierung eingesetzt.
Problemstellung
Fotofallen sind eine wichtige Informationsquelle für den Wildtierschutz. Kameras machen tausende Bilder von Wildtieren, die kategorisiert werden müssen. Aufgrund der großen Anzahl von Bildern ist dies ein sehr zeitaufwändiger manueller Prozess.
Projektziel
Das Projektziel ist die automatische Klassifizierung der Wildtierbilder mit Hilfe modernster Deep-Learning-Modelle.
Projektansatz
Gemeinsam mit Wildtier-Experten wird Domänenwissen im Bildannotationsprozess eingesetzt (siehe auch unsere Annotationsbibliothek ipannotator). Mit den hochwertig annotierten Bildern werden Deep-Learning-Modelle trainiert, um einzelne Tiere zu erkennen. Palaimon hat dieses Projekt initiiert, das in Zusammenarbeit mit dem Cheetah Conservation Fund (CCF) und der TU Berlin realisiert wird. Palaimon trägt sowohl Expertenwissen im Bereich Machine-Learning-Modellierung als auch Cloud-Computing-Ressourcen (GPUs) bei.
Projektdetails
- Projektlaufzeit: 02/2020 – laufend
- Partner:
| TU Berlin | Cheetah Conservation Fund (CCF) |
|---|---|
 |
 |