Semi-Automated Counting of Birds from UAV image
このページでは、機械学習およびDeep learning を活用した水鳥(マガン)の半自動カウント技術について紹介します。
新着情報
2024/05/23: 日本写真測量学会にてこのマガンカウントをベースした、アザラシ・カウント・システム(Seals123, SCS)について発表します。
2023/08/04:ESRI UC Analytic Methods and Results部門1位を受賞(7/14)!!!詳しくはこちらを。
2020/09/10:ドローン画像からガン・カモをカウントするGoose123を公開しました(2020/8/4)。無料でどなたでも利用できます。こちらから御覧ください!
2019年11月:機械学習(カスケード分類)を使ったマガンの自動カウントに関する論文が掲載されました。「小川健太、牛山克巳、小練文弥、UAV画像を用いた水面の水鳥の自動カウント、日本リモートセンシング学会誌, 39 (5), pp. 363-370, 2019.」
2019/10/19:投稿中の論文が受理されました。
ストーリーマップを公開しました。リンク
なぜ「半自動」か?
目標:ある範囲の生息地に滞在する水鳥(当面マガン、ハクチョウも追加)を自動的に認識する。
誤差要因
夕方撮影後の塒入り
撮影中の移動
他の種(カモ類等)の混入
ハスの誤検出
画質(暗い、不鮮明等)のための検出もれ
その他(撮影範囲外等)
完全自動にこだわらず、目視による修正等を加えることでより現実的になる。
手法について
2016年よりカスケード分類による自動カウントを試みてきました。検出結果のサンプル画像を以下に示します。手法の詳細については上記論文を参照してください。
また、2018年よりDeep Learningを応用した検出手法について実験を行っています。詳しい内容は論文投稿・受理までお待ちください。
文献
小川健太、牛山克巳、小練文弥、UAV画像を用いた水面の水鳥の自動カウント、日本リモートセンシング学会誌, 39 (5), pp. 363-370, 2019.
今後
MMdetectionベースの検出器開発