OpenAnimalTracks: A Dataset for Animal Track Recognition

动物栖息地调查在保护陆地生物多样性方面起着至关重要的作用。其中一种有效的获取动物栖息地信息的方法是识别动物的足迹，这提供了有关物种分布、数量和行为的宝贵信息。然而，由于动物足迹图像的稀缺性，缺乏良好维护的公共数据集，使得计算机视觉的最新先进技术无法应用于动物追踪。在本文中，我们介绍了OpenAnimalTracks数据集，这是第一个公开可用的标记数据集，旨在促进动物足迹的自动分类和检测。它包含来自18种野生动物的各种足迹。此外，我们建立了物种分类和检测的基准，并展示了代表性分类器和检测模型的自动足迹识别的潜力。我们发现SwinTransformer在平均准确率方面达到了69.41％的有希望的分类结果。Faster-RCNN的mAP为0.295。我们希望我们的数据集为自动动物追踪技术铺平道路，增强我们保护和管理生物多样性的能力。我们的数据集和代码可在https://github.com/dahlian00/OpenAnimalTracks上获得。

解决问题：论文旨在解决缺乏动物足迹图像数据集的问题，以便开发自动化的动物足迹分类和检测技术，从而更好地保护和管理生物多样性。

关键思路：论文介绍了OpenAnimalTracks数据集，其中包含18种野生动物的足迹，并建立了物种分类和检测的基准。使用SwinTransformer和Faster-RCNN等代表性分类器和检测模型，论文展示了自动足迹识别的潜力。

其他亮点：该数据集是公开可用的第一个标记数据集，旨在促进自动化动物足迹分类和检测技术的发展。实验结果表明，SwinTransformer和Faster-RCNN在动物足迹分类和检测方面具有很高的准确性。研究者提供了数据集和代码的开源，方便其他研究者使用和进一步研究。

相关研究：最近在这个领域中，也有一些相关的研究。例如，一些研究者使用深度学习方法来进行动物足迹识别，如《Deep Learning for Animal Footprint Identification: A Case Study of Snow Leopard Footprints》。还有一些研究者使用无监督学习方法来进行动物足迹分类和检测，如《Unsupervised Learning for Animal Footprint Classification and Detection》。