邊緣設備的即時動物圖案重識別 (https://besjournals.onlinelibrary.wiley.com/doi/10.1111/2041-210x.70332) 動物自動識別技術具有巨大的潛力，可透過改進族群監測、個體健康評估和詳細行為分析，以應對緊迫的生態和保育挑戰。儘管已提出許多基於電腦視覺的解決方案，且其中許多方案精度很高，但大多數方案仍然不適用於即時分析和部署在低功耗邊緣設備（例如無人機、相機陷阱）上。這篇論文針對上述兩個方面，介紹了一款用於邊緣設備即時動物模式重識別的開源工具（RAPID）。 RAPID 在標準 PC 或筆記型電腦上每秒可處理 40-60 張裁切後的邊界框影像，在低成本的現成邊緣裝置上每秒可處理 10 張以上的影像。演算法在資料和運算資源受限的環境下也能高效運行，僅依賴 CPU，從而將 GPU 資源釋放出來用於其他任務，同時還能維持甚至超越目前最先進的準確率。此外，每次預測都附帶一個基於數據的置信度評分，以便於後續可靠使用。方法是利用了SIFT（尺度不變特徵變換）描述符，在穩健性和準確性方面持續優於近期的傳統方法和基於深度學習的方法。為了克服SIFT的主要限制——其高維特徵向量及其相關的計算成本，整合了向量相似性搜尋領域的最新進展，構建的資料庫不再是圖像資料庫，而是特徵向量資料庫，從而加速了查詢處理。最終得到的流程經過精心設計，力求簡潔高效，僅保留了準確快速重識別所需的關鍵組件。資料、程式碼和影片摘要可在以下網址取得：https ://keeper.mpdl.mpg.de/d/228be8688e6146bd8221/ ?p=%2F&mode=list和https://www.youtube.com/watch?v=O6NWzLEivr8。

 (https://besjournals.onlinelibrary.wiley.com/doi/10.1111/2041-210x.70332)

 動物自動識別技術具有巨大的潛力，可透過改進族群監測、個體健康評估和詳細行為分析，以應對緊迫的生態和保育挑戰。儘管已提出許多基於電腦視覺的解決方案，且其中許多方案精度很高，但大多數方案仍然不適用於即時分析和部署在低功耗邊緣設備（例如無人機、相機陷阱）上。這篇論文針對上述兩個方面，介紹了一款用於邊緣設備即時動物模式重識別的開源工具（RAPID）。 RAPID 在標準 PC 或筆記型電腦上每秒可處理 40-60 張裁切後的邊界框影像，在低成本的現成邊緣裝置上每秒可處理 10 張以上的影像。演算法在資料和運算資源受限的環境下也能高效運行，僅依賴 CPU，從而將 GPU 資源釋放出來用於其他任務，同時還能維持甚至超越目前最先進的準確率。此外，每次預測都附帶一個基於數據的置信度評分，以便於後續可靠使用。方法是利用了SIFT（尺度不變特徵變換）描述符，在穩健性和準確性方面持續優於近期的傳統方法和基於深度學習的方法。為了克服SIFT的主要限制——其高維特徵向量及其相關的計算成本，整合了向量相似性搜尋領域的最新進展，構建的資料庫不再是圖像資料庫，而是特徵向量資料庫，從而加速了查詢處理。最終得到的流程經過精心設計，力求簡潔高效，僅保留了準確快速重識別所需的關鍵組件。資料、程式碼和影片摘要可在以下網址取得：https ://keeper.mpdl.mpg.de/d/228be8688e6146bd8221/ ?p=%2F&mode=list和https://www.youtube.com/watch?v=O6NWzLEivr8。