Optimierung und Evaluierung eines automatischen Rehkitzdetektionsalgorithmus auf Basis eines Convolutional Neural Networks (CNN)

Abstract

Die Absicht der Untersuchungen dieser Arbeit ist die Nutzung eines neuronalen Netzes für die maschinelle Rehkitzdetektion auf Thermalbildern. Entwickelt wird ein Convolutional Neural Network für eine Klassifizierung der Bilder als Tier oder kein-Tier, welches im Wildretter-Projekt eingesetzt werden soll. Die verwendeten Daten zeigen eine Unausgewogenheit, da mehr Bilder ohne Tier als Bilder mit Tier vorliegen. Das neuronale Netz lässt außerdem eine Überanpassung erkennen, da die Evaluierung auf Basis der Metriken Recall und Precision mit Trainingsdaten deutlich bessere Ergebnisse liefert als die Evaluierung mit Testdaten. Das Entfernen von nicht-Tier-Patches aus der Trainingsdatenmenge wird als Methode gewählt, mit Unausgewogenheit umzugehen. Gegen die Überanpassung kommt die Dropout-Methode zum Einsatz. Das neuronale Netz kann einen Recall von 0,90 und eine Precision von 0,69 erreichen. Dies ist im Vergleich mit der visuellen Detektion ein höherer Recall und eine geringere Precision.