Automatic species identification for camera-trapping datasets

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F22%3A43967909" target="_blank" >RIV/49777513:23520/22:43967909 - isvavai.cz</a>

Výsledek na webu

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

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Automatic species identification 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 and complementary to output SS05010008-V6 allows direct identification of present animal — usually on a species level, but for some organisms, the identification is on a higher taxon level, e.g., genus, family etc. Developed software takes an input image and uses a deep neural network to predict a posterior probability P(C|I) where C is the class, and I is the given image. Allowed classes and their appropriate number of samples available for training are visualized on a project page.A detailed description, allowed classes and their number of samples available for training are visualized on a project website: https://sites.google.com/view/caid-zcu

Název v anglickém jazyce

Automatic species identification for camera-trapping datasets

Popis výsledku anglicky

This software analyzes images from camera traps to determine whether there is an animal present or not and complementary to output SS05010008-V6 allows direct identification of present animal — usually on a species level, but for some organisms, the identification is on a higher taxon level, e.g., genus, family etc. Developed software takes an input image and uses a deep neural network to predict a posterior probability P(C|I) where C is the class, and I is the given image. Allowed classes and their appropriate number of samples available for training are visualized on a project page.A detailed description, allowed classes and their number of samples available for training are visualized on a 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/2022/036

Technické parametry

Základem řešení je natrénovaný model neuronové sítě pro klasifikaci obrázků do předem definovaných tříd v tzv. režimu multi-class classification. To znamená, že v jednom obrázku může být pozorováno několik různých druhů zvířat. 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 druhu zachyceného zvířete - přínos softwaru tedy jen ekonomickým pohledem v zásadě není možné hodnotit.

IČO vlastníka výsledku

49777513

Název vlastníka

Západočeská univerzita v Plzni