PACTraD：基于领域特定注意力机制的红外相机陷阱野生动物监测基准数据集

《Big Data and Cognitive Computing》：PACTraD: Multi-Task Benchmark and Domain-Specific Attention Mechanism for Wildlife Classification, Detection, and Segmentation in Protected Area Camera Trap Data

　　

摘要

红外相机陷阱是无损野生动物监测的关键工具，然而基于现有基准训练的模型由于域偏移、类别不平衡以及光照、季节和背景的自然变异性，往往难以泛化到新区域。我们提出了PACTraD，一个包含116,973张标注红外相机陷阱图像的基准数据集，采集自贝加尔湖保护区，涵盖八个类别（鹿、无动物、熊、野猪、野兔、獾、猞猁、狼），呈现显著的长尾分布（鹿：73.1%；猞猁和狼：分别为0.3%和0.2%），并具有较大的季节性和光照变异性，包括红外夜间图像。该基准在统一、可复现的协议下支持分类、目标检测和语义分割三项任务。我们进一步提出了一种领域特定的注意力机制，通过十一种可学习先验增强自注意力，涵盖轮廓、前景/背景分离、双侧对称、判别性部位区域、纹理频率、置信度加权、运动一致性、梯度增强、尺度、颜色不变性和形状紧凑性。在六个骨干网络（用于分类与检测）和五个骨干网络（用于分割）上进行评估，与无注意力基线及三种通用注意力模块（SE、SA、CBAM）对比，该方法始终保持最佳性能，将分类的加权F1从0.943提升至0.964（DINOv3），检测的AP从0.876提升至0.903（InternImage-H），分割的mIoU从0.805提升至0.834（SegMAN），并通过组件级消融实验揭示了每种先验的任务特定贡献。然而，稀有物种的性能仍然有限（分类的宏F1为0.829），表明仍需进一步研究以解决红外相机陷阱数据中的长尾识别问题。