Silbermöwe oder Heringsmöwe? - Klassifikation von Seevögeln in UAS-Aufnahmen
288 300 Für eine effiziente Erfassung der Vogelbestände, werden in dieser Arbeit lernbasierte Verfahren für die Klassifikation unterschiedlicher Seevögel in Luftbildaufnahmen getestet und verglichen. Ausgewertet werden zwei Datensätze, welche über Spiekeroog und Baltrum mittels unbemannter Flugsyste...
| Main Authors: | , , |
|---|---|
| Format: | Conference Object |
| Language: | German |
| Published: |
2023
|
| Subjects: | |
| Online Access: | https://publica.fraunhofer.de/handle/publica/456743 https://doi.org/10.24407/KXP:1841154954 |
| Summary: | 288 300 Für eine effiziente Erfassung der Vogelbestände, werden in dieser Arbeit lernbasierte Verfahren für die Klassifikation unterschiedlicher Seevögel in Luftbildaufnahmen getestet und verglichen. Ausgewertet werden zwei Datensätze, welche über Spiekeroog und Baltrum mittels unbemannter Flugsysteme aufgenommen wurden. Für die Unterteilung von Bildausschnitten in die Klassen Seevogel und Hintergrund kommen ein SVM-basierter und ein CNN-basierter Klassifikator zum Einsatz. Beide Ansätze liefern mit Gesamtgenauigkeiten von über 92% sehr gute Ergebnisse, wobei die Klassifikationsleistung des CNNs die des SVM-basierten Verfahrens leicht übersteigt. Die CNN-basierte Klassifikation wird darüber hinaus für die Unterscheidung von bis zu sechs unterschiedlichen Vogelarten eingesetzt. Während Vogelarten, für welche eine ausreichende Anzahl an Trainingsbeispielen verfügbar ist, mit recall-Werten von bis zu 96% erkannt werden, liegen die recall-Werte der im Training unterrepräsentierten Klassen deutlich niedriger, sodass balanced accuracy-Werte von bis zu 62% und 84% erzielt werden. |
|---|