Автоматическая фильтрация изображений животных

Проект представляет собой решение для автоматической обработки фотографий с фотоловушек, специально разработанное для экологических исследований и мониторинга дикой природы. Наша система использует алгоритмы компьютерного зрения для автоматического отбора изображений, на которых дикие животные запечатлены полностью и с высокой четкостью.

🌐 Обзор решения

Решение выполняет две основные задачи:

1. Определение наличия животного: при обнаружении животного на изображении алгоритм автоматически добавляет к нему ограничивающую рамку.
2. Фильтрация снимков по качеству: отбор снимков, пригодных для анализа, где животное видно четко, в полный рост и соответствует строгим критериям качества. Например, животное должно занимать не менее 128x128 пикселей, его голова и туловище должны быть видны, а для крупных животных — также лапы или хвост.

В основе модели — предобученные архитектуры YOLOv11OD и VitPose, которые обеспечивают высокую точность распознавания и классификации животных. Встроенные механизмы постобработки изображения помогают минимизировать объем неинформативных данных.

Ключевые характеристики:

• Высокая точность распознавания даже на ограниченных данных.
• Фильтрация нечетких и неинформативных изображений.
• Поддержка требований к качеству снимков, что повышает ценность данных для анализа дикой природы.

⚙️ Технические характеристики

• Python: основной язык программирования.
• YOLOv11: для детектирования объектов и классификации животных.
• VitPose: для анализа поз животных и их ориентации на изображении.
• ResNet50: для отбора снимков, соответствующих требованиям.

Решение позволяет автоматизировать отбор фотографий для экологического анализа, минимизируя объем данных и гарантируя их качество.

🚀 Начало работы

Чтобы начать использовать решение для автоматической фильтрации изображений животных, выполните следующие шаги:

1. Склонируйте репозиторий:

   git clone https://github.com/Arctic-Data-Force/minpriroda_animals
   

2. Установите необходимые зависимости:

   Убедитесь, что у вас установлены Python и необходимые библиотеки. Выполните установку зависимостей:

   pip install -r requirements.txt

3. Запустите веб-приложение:

   После настройки окружения запустите сервер:

   uvicorn main:app --reload

🧑‍💻 Участники

Команда проекта состоит из специалистов в области анализа данных, компьютерного зрения и экологии:

• Васендина Ирина
• Голышев Алексей
• Громов Никита
• Калинин Илья
• Покрышкин Даниил