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 |
id |
ftfrauneprints:oai:publica.fraunhofer.de:publica/456743 |
---|---|
record_format |
openpolar |
spelling |
ftfrauneprints:oai:publica.fraunhofer.de:publica/456743 2023-12-10T09:49:22+01:00 Silbermöwe oder Heringsmöwe? - Klassifikation von Seevögeln in UAS-Aufnahmen Gölz, Katrin Hochstuhl, Sylvia Thiele, Antje 2023 https://publica.fraunhofer.de/handle/publica/456743 https://doi.org/10.24407/KXP:1841154954 de ger Deutsche Gesellschaft für Photogrammetrie, Fernerkundung und Geoinformation (DGPF Wissenschaftlich-Technische Jahrestagung) 2023 #PLACEHOLDER_PARENT_METADATA_VALUE# 43. Wissenschaftlich-Technische Jahrestagung der DGPF 2023. Beiträge doi:10.24407/KXP:1841154954 https://publica.fraunhofer.de/handle/publica/456743 conference paper 2023 ftfrauneprints https://doi.org/10.24407/KXP:1841154954 2023-11-13T00:47:15Z 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. Conference Object Heringsmöwe Publikationsdatenbank der Fraunhofer-Gesellschaft |
institution |
Open Polar |
collection |
Publikationsdatenbank der Fraunhofer-Gesellschaft |
op_collection_id |
ftfrauneprints |
language |
German |
description |
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. |
format |
Conference Object |
author |
Gölz, Katrin Hochstuhl, Sylvia Thiele, Antje |
spellingShingle |
Gölz, Katrin Hochstuhl, Sylvia Thiele, Antje Silbermöwe oder Heringsmöwe? - Klassifikation von Seevögeln in UAS-Aufnahmen |
author_facet |
Gölz, Katrin Hochstuhl, Sylvia Thiele, Antje |
author_sort |
Gölz, Katrin |
title |
Silbermöwe oder Heringsmöwe? - Klassifikation von Seevögeln in UAS-Aufnahmen |
title_short |
Silbermöwe oder Heringsmöwe? - Klassifikation von Seevögeln in UAS-Aufnahmen |
title_full |
Silbermöwe oder Heringsmöwe? - Klassifikation von Seevögeln in UAS-Aufnahmen |
title_fullStr |
Silbermöwe oder Heringsmöwe? - Klassifikation von Seevögeln in UAS-Aufnahmen |
title_full_unstemmed |
Silbermöwe oder Heringsmöwe? - Klassifikation von Seevögeln in UAS-Aufnahmen |
title_sort |
silbermöwe oder heringsmöwe? - klassifikation von seevögeln in uas-aufnahmen |
publishDate |
2023 |
url |
https://publica.fraunhofer.de/handle/publica/456743 https://doi.org/10.24407/KXP:1841154954 |
genre |
Heringsmöwe |
genre_facet |
Heringsmöwe |
op_relation |
Deutsche Gesellschaft für Photogrammetrie, Fernerkundung und Geoinformation (DGPF Wissenschaftlich-Technische Jahrestagung) 2023 #PLACEHOLDER_PARENT_METADATA_VALUE# 43. Wissenschaftlich-Technische Jahrestagung der DGPF 2023. Beiträge doi:10.24407/KXP:1841154954 https://publica.fraunhofer.de/handle/publica/456743 |
op_doi |
https://doi.org/10.24407/KXP:1841154954 |
_version_ |
1784893787442511872 |