WILD ANIMALS CLASSIFICATION USING CONVOLUTIONAL NEURAL NETWORKS

Autores

• Alan Afif HelalIFES
• Diego José Welsing NogueiraIFES
• Tiago Teixeira Da SilvaIFES

Resumo

This work aims at evaluating the use of deep convolutional neural networks (CNNs) for the classification of wild animals captured by trap cameras. Such classification is relevant in forestry management because it is an important tool for monitoring the quantity and diversity of the wild animal population in order to guarantee its long term survival and wellbeing. To train and test the CNNs, we built and made public a dataset of 5,120 images of three classes of mammal speciesof interest: armadillo, deer and wild pig. Because of the typical conditions of use of trap cameras employed in tropical forests (our use case), the resulting dataset images are very challenging to classify due to occlusions, illumination conditions (day and night), weather, etc. In our evaluation experiments, we examined three types of CNNs architectures with different configurations.Our best CNN architecture was able to correctly classify 92.80% of the images.

Palavras-chave

Animals Classification, Convolutional Neural Networks, IA.

Licença

Este capítulo está sob a Licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional .

O conteúdo do capítulo, seus dados, forma, correção e confiabilidade são de responsabilidade exclusiva do(s) autor(es). É permitido o download e o compartilhamento, desde que pela origem e no formato Acesso Livre (Open Access), com os devidos créditos e a citação atribuídos ao(s) respectivo(s) autor(es). Não é permitida qualquer alteração, catalogação em plataformas de acesso restrito ou utilização para fins comerciais. O(s) autor(es) mantém os direitos autorais do texto.