Automatic empty images filtration for camera-trapping datasets

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F22%3A43967908" target="_blank" >RIV/49777513:23520/22:43967908 - isvavai.cz</a>

Výsledek na webu

<a href="https://www.kky.zcu.cz/cs/sw/EmptyImageFiltration" target="_blank" >https://www.kky.zcu.cz/cs/sw/EmptyImageFiltration</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Automatic empty images filtration for camera-trapping datasets

Popis výsledku v původním jazyce

This software analyzes images from camera traps to determine whether there is an animal present or not. Camera traps may trigger due to various events. Usually, the camera trap uses an infrared sensor to determine whether a warm-blooded animal is in front of it. However, relatively frequently (based on camera type), a false detection is made, and the camera captures an image without any animal. To filter these images, usually, a human must take a look at all the data. This can be a very cumbersome and laborious process.This issue is addressed by this software. It takes the input image and uses a deep neural network to classify it into three classes: an image with an animal, an image without an animal, and an image that needs to be checked by a human expert. This preliminary filtering accelerates the process of obtaining relevant data in a significant way.A detailed description is available on the project website: https://sites.google.com/view/caid-zcu

Název v anglickém jazyce

Automatic empty images filtration for camera-trapping datasets

Popis výsledku anglicky

This software analyzes images from camera traps to determine whether there is an animal present or not. Camera traps may trigger due to various events. Usually, the camera trap uses an infrared sensor to determine whether a warm-blooded animal is in front of it. However, relatively frequently (based on camera type), a false detection is made, and the camera captures an image without any animal. To filter these images, usually, a human must take a look at all the data. This can be a very cumbersome and laborious process.This issue is addressed by this software. It takes the input image and uses a deep neural network to classify it into three classes: an image with an animal, an image without an animal, and an image that needs to be checked by a human expert. This preliminary filtering accelerates the process of obtaining relevant data in a significant way.A detailed description is available on the project website: https://sites.google.com/view/caid-zcu

Druh

R - Software

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

Projekt

<a href="/cs/project/SS05010008" target="_blank" >SS05010008: Detekce, identifikace a monitoring živočichů pokročilými metodami počítačového vidění</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2022

Kód důvěrnosti údajů

C - Předmět řešení projektu podléhá obchodnímu tajemství (§ 504 Občanského zákoníku), ale název projektu, cíle projektu a u ukončeného nebo zastaveného projektu zhodnocení výsledku řešení projektu (údaje P03, P04, P15, P19, P29, PN8) dodané do CEP, jsou upraveny tak, aby byly zveřejnitelné.

Interní identifikační kód produktu

ZCU/KKY/2022/035

Technické parametry

Základem řešení je natrénovaný model neuronové sítě pro klasifikaci obrázků do předem definovaných tříd. Jedná se o binární klasifikaci podle toho jestli je v obrázku přítomné zvíře a nebo ne. Řešení je implementováno v jazyce Python za využití frameworku PyTorch. Smlouva o VV/licenční smlouva bude uzavřena na konci řešení projektu. Kontaktní osoba: Ing. Lukáš Picek, tel.: 377 632556, e-mail.: picekl@ntis.zcu.cz,adresa: Technická 8, Plzeň.

Ekonomické parametry

Ekonomické parametry softwaru nelze jednoduše vyčíslit. Při striktně ekonomickém pohledu je zřetelným přínosem úspora času badatelů při zpracovávání dat z fotopastí. Konkrétně se jedná a automatické roztřídění fotek podle toho jestli je v ní zachyceno zvíře nebo nikoliv (tzv. falešný poplach) - přínos softwaru tedy jen ekonomickým pohledem v zásadě není možné hodnotit.

IČO vlastníka výsledku

49777513

Název vlastníka

Západočeská univerzita v Plzni