AnimalClue: Erkennen von Tieren an ihren Spuren

Die Beobachtung von Wildtieren spielt eine entscheidende Rolle für den Schutz der Biodiversität und erfordert zuverlässige Methoden zur Überwachung von Wildtierpopulationen sowie der Interaktionen zwischen Arten. In jüngster Zeit haben Fortschritte im Bereich des Computersehens dazu beigetragen, grundlegende Aufgaben der Wildtierbeobachtung zu automatisieren, beispielsweise die Erkennung von Tieren und die Identifizierung von Arten. Die genaue Artenidentifikation anhand indirekter Hinweise wie Spuren oder Exkremente bleibt jedoch im Vergleich dazu vergleichsweise wenig erforscht, obwohl sie für die Überwachung von Wildtieren von großer Bedeutung ist. Um diese Lücke zu schließen, stellen wir AnimalClue vor – den ersten großskaligen Datensatz zur Artenidentifikation anhand von Bildern indirekter Hinweise. Unser Datensatz umfasst 159.605 Bounding Boxes in fünf Kategorien indirekter Spuren: Fußspuren, Exkremente, Eier, Knochen und Federn. Er deckt 968 Arten, 200 Familien und 65 Ordnungen ab. Jedes Bild ist mit Arten-Etiketten, Bounding Boxes oder Segmentierungs-Masken sowie detaillierten Merkmalsinformationen annotiert, darunter Aktivitätsmuster und Habitatspräferenzen. Im Gegensatz zu bestehenden Datensätzen, die hauptsächlich auf direkten visuellen Merkmalen (z. B. Erscheinungsbild von Tieren) basieren, stellt AnimalClue aufgrund der Notwendigkeit, feinere und subtilere visuelle Merkmale zu erkennen, einzigartige Herausforderungen für Klassifizierung, Objekterkennung und Instanzsegmentierung dar. In unseren Experimenten evaluieren wir umfassend etablierte Vision-Modelle und identifizieren wesentliche Schwierigkeiten bei der Artenidentifikation anhand von Spuren. Der Datensatz und der zugehörige Quellcode sind unter https://dahlian00.github.io/AnimalCluePage/ verfügbar.