AnimalClue : Reconnaître les animaux à leurs traces

L'observation de la faune joue un rôle essentiel dans la conservation de la biodiversité, ce qui nécessite des méthodologies solides pour surveiller les populations animales et les interactions entre espèces. Les avancées récentes en vision par ordinateur ont considérablement contribué à automatiser des tâches fondamentales d'observation de la faune, telles que la détection d'animaux et l'identification des espèces. Toutefois, l'identification précise des espèces à partir de preuves indirectes — comme les empreintes ou les excréments — reste relativement peu explorée, malgré son importance dans le suivi de la faune. Pour combler cette lacune, nous introduisons AnimalClue, le premier jeu de données à grande échelle dédié à l'identification des espèces à partir d'images de preuves indirectes. Ce jeu de données comprend 159 605 boîtes englobantes regroupant cinq catégories de traces indirectes : empreintes, excréments, œufs, os et plumes. Il couvre 968 espèces, 200 familles et 65 ordres. Chaque image est annotée avec des étiquettes au niveau de l'espèce, des boîtes englobantes ou des masques de segmentation, ainsi que des informations fines sur les traits biologiques, notamment les patterns d’activité et les préférences d’habitat. Contrairement aux jeux de données existants, principalement centrés sur des caractéristiques visuelles directes (par exemple, l’apparence des animaux), AnimalClue pose des défis uniques pour les tâches de classification, de détection et de segmentation d’instances, en raison de la nécessité de reconnaître des caractéristiques visuelles plus détaillées et subtiles. Dans nos expériences, nous évaluons de manière approfondie des modèles visionnels représentatifs et identifions les principaux défis liés à l’identification des animaux à partir de leurs traces. Notre jeu de données et le code associé sont disponibles à l’adresse suivante : https://dahlian00.github.io/AnimalCluePage/