Progress in the application of deep learning in wildlife image recognition and analysis
Received date: 2024-05-13
Accepted date: 2025-03-17
Online published: 2026-02-03
Establishing a comprehensive wildlife monitoring system is the foundation for conducting conservation research. Traditional manual monitoring methods have various limitations, and some monitoring efforts have gradually been replaced by infrared camera trap technology. Nevertheless, the widespread use of infrared camera monitoring technology has introduced challenges in handling and analyzing massive amounts of data. Therefore, it is urgent to find an efficient method to process and analyze a large number of infrared camera data. In recent years, deep learning has been widely applied in the study of wild animal images. In order to comprehensively understand the application progress of deep learning theory and technology in wildlife image recognition, we provide an overview of the relevant research from 2000 to 2024. It elaborates on commonly used network models applications and their research progress in terms of eliminating invalid data, species identification, individual recognition, and behavior recognition. We summarize the status of deep learning in two types of images of wild animals, and emphatically discuss the existing problems and solutions of deep learning in infrared camera images. This paper analyzes the potential of applying artificial intelligence image processing techniques in infrared camera monitoring work and provides recommendations and insights for future development in order to provide ideas and directions for research on individual identification and population monitoring of wild animals.
Shiyu CHEN , Jin HOU , Dan LIU , Jing LIU , Peng LUO , Bochuan ZHENG , Jindong ZHANG . Progress in the application of deep learning in wildlife image recognition and analysis[J]. ACTA THERIOLOGICA SINICA, 2026 , 46(1) : 20 -38 . DOI: 10.16829/j.slxb.150954
| Akcay H G， Kabasakal B， Aksu D， Demir N， ?Z M， Erdo?an A，2020. Automated bird counting with deep learning for regional bird distribution mapping[J]. Animals，10（7）：1027.DOI：10.3390/ani10071207 . | |
| Annesa O D， Kartiko C， Prasetiadi A，2020.Identification of reptile species using convolutional neural networks（CNN）[J]. Rekayasa Sistem Dan Teknologi Informasi，4（5）：899?906. | |
| Antoine M D， Marion V， Georgina B， Frederic T， Beata U，2021.Machine learning is a powerful tool to study the effect of cancer on species and ecosystems[J]. Methods in Ecology and Evolution，12（12）：2310?2323.DOI：10.29207/resti.v4i5.2282 . | |
| Bala P C， Eisenreich B R， Yoo S B， Hayden B Y， Park H S， Zimmermann J，2020. Automated markerless pose estimation in freely moving macaques with OpenMonkeyStudio[J]. Nature Communications，11（1）.DOI：10.1038/s41467-020-18441-5 . | |
| Bengio Y， Lamblin P， Popovici D， Larochelle H，2006.Greedy layer?wise training of deep networks[C].Neural Information Processing Systems 19. DOI：10.7551/mitpress/7503.003.0024 . | |
| Bertasius G， Wang H， Torresani L，2021. Is space?time attention all you need for video understanding?[C]. International Conference on Machine Learning.DOI：10.48550/arXiv.2102.05095 . | |
| Bi D X， Chen D L， Chen G T，et al.，2024. DeepSeek LLM：scaling open?source language models with longtermism[J/OL]. arXiv preprint arXiv：. | |
| Biggs B， Boyne O， Charles J， Fitzgibbon A， Cipolla R，2020.Who left the dogs out? 3D animal reconstruction with expectation maximization in the loop[C]. Computer Vision?ECCV 2020. DOI：10.1007/978-3-030-58621-8_12 . | |
| Biggs B， Roddick T， Fitzgibbon A， Cipolla R，2019. Creatures great and SMAL：recovering the shape and motion of animals from video[C]. Computer Vision ? ACCV 2018. DOI：10.1007/978-3-030-20873-8_1 . | |
| Bochkovskiy A， Wang C Y， Liao H Y M，2020. YOLOv4：optimal speed and accuracy of object detection[J/OL]. arXiv preprint arXiv：. | |
| Bogucki R， Cygan M， Khan C B， Klimek M， Milczek J K， Mucha M，2018. Applying deep learning to right whale photo identification[J]. Conservation Biology，33（3）：676?684. | |
| Boudaoud L B， Maussang F， Garello R， Chevallier A，2019. Marine bird detection based on deep learning using high?resolution aerial images[C]. Oceans2019?Marseille. DOI：10.1109/OCEANSE.2019.8867242 . | |
| Brust C A， Burghardt T， Groenenberg M， K?Ding C， KüHl H S， Manguette M L， Denzler J，2017. Towards automated visual monitoring of individual gorillas in the wild[C]. 2017 IEEE International Conference on Computer Vision Workshops（ICCVW）. DOI：10.1109/ICCVW.2017.333，2820?2830. | |
| Cao J K， Tang H Y， Fang H S， Shen X Y， Lu C， Tai Y W，2019. Cross?domain adaptation for animal pose estimation[C]. 2019 IEEE/CVF International Conference on Computer Vision（ICCV）. DOI：10.1109/ICCV.2019.00959 . | |
| Cao Y， Xie Z D， Liu B， Lin Y T， Zhang Z， Hu H，2020. Parametric instance classification for unsupervised visual feature learning[J]. Advances in Neural Information Processing Systems，33：15614?15624. | |
| Cao Z， Hidalgo G， Simon T， Wei S E， Sheikh Y，2021. OpenPose：realtime multi?person 2D pose estimation using part affinity fields[J]. Transactions on Pattern Analysis and Machine Intelligence，43（1）：172?186.DOI：10.1109/TPAMI.2019. 2929257 . | |
| Carl C， Sch?Nfeld F， Profft I， Klamm A， Landgraf D，2020. Automated detection of European wild mammal species in camera trap images with an existing and pre?trained computer vision model[J]. European Journal of Wildlife Research，66（4）：62.DOI：10.1007/s10344-020-01404-y . | |
| Chen C H， Ramanan D，2017. 3D human pose estimation = 2D pose estimation + matching[C]. 2017 IEEE Conference on Computer Vision and Pattern Recognition（CVPR）. DOI：10.1109/CVPR.2017.610 . | |
| Chen C H， Tyagi A， Agrawal A， Drover D， Mv R， Stojanov S， Rehg J M，2019. Unsupervised 3D pose estimation with geometric self?supervision[C]. 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition（CVPR）. DOI：10.1109/CVPR.2019.00586 . | |
| Chen P， Swarup P， Matkowski W M， Kong A W， Han S， Zhang Z， Rong H，2020. A study on giant panda recognition based on images of a large proportion of captive pandas[J]. Ecology and Evolution，10（7）：3561?3573.DOI：10.1002/ece3.6152 . | |
| Cui Y， Jia M L， Lin T Y， Song Y， Belongie S J，2019. Class?balanced loss based on effective number of samples[C]. 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition（CVPR）. DOI：10.1109/CVPR.2019.00949 . | |
| Dai D M， Deng C Q， Zhao C G， Xu R X， Gao H Z， Chen D L， Li J S， Zeng W D， Yu X K， Wu Y， Xie Z D， Li Y K， Huang P P， Luo F L， Ruan C， Sui Z F， Liang W F，2024. DeepSeekMoE：towards ultimate expert specialization in mixture?of?experts language models[C]. 62nd Annual Meeting of the Association for Computational Linguistics. DOI：10.18653/v1/2024.acl-long.70 . | |
| Deepseek?Ai， Liu A X， Feng B，et al.， 2024. DeepSeek?V3 technical report[J/OL]. arXiv preprint arXiv：. | |
| Deepseek?Ai， Guo D Y， Yang D J，et al.，2025. DeepSeek?R1：incentivizing reasoning capability in LLMs via reinforcement learning[J/OL]. arXiv preprint arXiv：. | |
| Desai B， Patel A J， Patel V， Shah S， Raval M S， Ghosal R，2022. Identification of free?ranging mugger crocodiles by applying deep learning methods on UAV imagery[J]. Ecological Informatics，72：101874.DOI：10.1016/j.ecoinf.2022.101874 . | |
| Dhariwal P， Nichol A，2021. Diffusion models beat GANs on image synthesis[C]. Neural Information Processing Systems 34（NeurIPS 2021）. DOI：10.48550/arXiv.2105.05233 . | |
| Ditria E M， Lopez?Marcano S， Sievers M， Jinks E L， Brown C J， Connolly R M，2020. Automating the analysis of fish abundance using object detection：optimizing animal ecology with deep learning[J]. Frontiers in Marine Science，7：429.DOI：10.3389/fmars.2020.00429 . | |
| Donahue J， Hendricks L A， Rohrbach M， Venugopalan S， Guadarrama S， Saenko K， Darrell T，2017. Long?term recurrent convolutional networks for visual recognition and description[J]. Transactions on Pattern Analysis and Machine Intelligence，39（4）：677?691.DOI：10.1109/TPAMI.2016.2599174 . | |
| Dosovitskiy A， Beyer L， Kolesnikov A， Weissenborn D， Zhai X H， Unterthiner T， Dehghani M， Minderer M， Heigold G， Gelly S， Uszkoreit J， Houlsby N，2021. An image is worth 16x16 words：transformers for image recognition at scale[J/OL]. Computing Research Repository，arXiv preprint arXiv：. | |
| Duporge I， Isupova O， Reece S， Macdonald D W， Wang T J，2021. Using very high?resolution satellite imagery and deep learning to detect and count African elephants in heterogeneous landscapes[J]. Remote Sensing in Ecology and Conservation，7（3）：369?381.DOI：10.1002/rse2.195 . | |
| Egmont P M， Ridder D D， Handels H，2002. Image processing with neural networks?a review[J]. Pattern Recognition，35（10）：2279?2301.DOI：10.1016/s0031-3203(01）00178-9 . | |
| Fabrizio S， Alessandro T， Julio B， Guillermo B， Fernando H，2019. Reliable methods for identifying animal deaths in GPS? and satellite?tracking data：review，testing and calibration[J]. Journal of Applied Ecology，56（3）：562?572.DOI：10.1111/1365-2664.13294 . | |
| Fan Z， Liu Y， Xovee X， Goce T，2021. Decoupling representation and regressor for long?tailed information cascade prediction[C]. Annual International ACM SIGIR Conference on Research and Development in Information Retrieval（SIGIR）（2021）. DOI：10.1145/3404835.3463104 . | |
| Faurina R， Wijanarko A， Heryuanti A F， Ishak S I， Agustian I. 2023. Comparative study of ensemble deep learning models to determine the classification of turtle species[J]. Computer Science and Information Technologies，4（1）：24?32. | |
| Feng L Q， Zhao Y Q， Sun Y C， Zhao W X， Tang J X，2021. Action recognition using a spatial?temporal network for wild felines[J]. Animals，11（2）：485.DOI：10.3390/ani11020485 . | |
| Ferreira A C， Silva L R， Renna F， Brandl H B， Renoult J P， Farine D R， Covas R， Doutrelant C，2020. Deep learning?based methods for individual recognition in small birds[J]. Methods in Ecology and Evolution，11（9）：1072?1085.DOI：10.1111/2041-210X.13436 . | |
| Freytag A， Rodner E， Simon M， Loos A， KüHl H S， Denzler J，2016. Chimpanzee faces in the wild：log?euclidean CNNs for predicting identities and attributes of primates[J]. German Conference on Pattern Recognition，9796：51?63.DOI：10.1007/978-3-319-45886-1_5 . | |
| Gao C Q， Wu J F， Yu H， Yin J H， Guo S H，2022. FIRN：a novel fish individual recognition method with accurate detection and attention mechanism[J]. Electronics，11（21）：3459.DOI：10.3390/electronics11213459 . | |
| Gavali P R， Banu J S，2020. Bird species identification using deep learning on GPU platform[C]. 2020 International Conference on Emerging Trends in Information Technology and Engineering（ic?ETITE）. DOI：10.1109/ic-ETITE47903.2020.85 . | |
| Glorot X， Bengio Y，2010. Understanding the difficulty of training deep feedforward neural networks[C]. Journal of Machine Learning Research Proceedings of the 13th International Conference on Artificial Intelligence and Statistics（AISTATS）. DOI：10.5555/3104322.3104425 . | |
| Goodfellow I， Pouget?Abadie J， Mirza M， Xu B， Warde?Farley D， Ozair S， Courville A， Bengio Y，2020. Generative adversarial networks[J]. Communications of the ACM，63（11）：139?144. | |
| Graving J M， Chae D， Naik H， Li L， Koger B， Costelloe B R， Couzin I D，2019. DeepPoseKit，a software toolkit for fast and robust animal pose estimation using deep learning[J]. eLife，8. DOI：10.7554/eLife.47994.DOI：10.7554/eLife.47994 . | |
| Gray P C， Bierlich K C， Mantell S A， Friedlaender A S， Goldbogen J A， Johnston D W，2019. Drones and convolutional neural networks facilitate automated and accurate cetacean species identification and photogrammetry[J]. Methods in Ecology and Evolution，10（9）：1490?1500.DOI：10.1111/2041-210X.13246 . | |
| Guo Q W， Wang C T， Xiao D Q， Huang Q，2024. A lightweight open?world pest image classifier using ResNet8?based matching network and NT?Xent loss function[J]. Expert Systems with Applications，237：121395.DOI：10.1016/j.eswa.2023.121395 . | |
| Guo S T， Xu P F， Miao Q G， Shao G F， Chapman C A， Chen X J， He G， Fang D Y， Zhang H， Sun Y W， Shi Z H， Li B G，2020. Automatic identification of individual primates with deep learning techniques[J]. iScience，23（8）：DOI：org/10.1016/j.isci.2020.101412. | |
| Guo Y M， Liu Y， Oerlemans A， Lao S Y， Wu S， Lew M S，2016. Deep learning for visual understanding：a review[J]. Neurocomputing，187：27?48.DOI：10.1016/j.neucom.2015.09.116 . | |
| Harrison D J， Chapin T G，1998. Extent and connectivity of habitat for wolves in eastern north America[J]. Wildlife Society Bulletin，26（4）：767?775. | |
| He K M， Zhang X Y， Ren S Q， Sun J，2016. Deep residual learning for image recognition[C]. 2016 IEEE Conference on Computer Vision and Pattern Recognition（CVPR）. DOI：10.1109/CVPR.2016.90 . | |
| Hebert P D N， Gregory T R，2005. The promise of DNA barcoding for taxonomy[J]. Systematic Biology，54（5）：852?859.DOI：10.1080/10635150500354886 . | |
| Hinton G E， Salakhutdinov R R，2006. Reducing the dimensionality of data with neural networks[J]. Science，313（5786）：504?507.DOI：10.1126/science.1127647 . | |
| Hinton G E， Srivastava N， Krizhevsky A， Sutskever I， Salakhutdinov R R，2012. Improving neural networks by preventing co?adaptation of feature detectors[J/OL]. Neural and Evolutionary Computing，arXiv preprint arXiv:. | |
| Hou J， He Y X， Yang H B， Connor T， Gao J， Wang Y J， Zeng Y C， Zhang J D， Huang J Y， Zheng B C， Zhou S Q，2020. Identification of animal individuals using deep learning：a case study of giant panda[J]. Biological Conservation，242：108414. DOI：10.1016/j.biocon.2020.108414 . | |
| Howard A G， Zhu M L， Chen B， Kalenichenko D， Wang W， Weyand T， Andreetto M， Adam H，2017. Mobilenets：efficient convolutional neural networks for mobile vision applications[J]. Computer Vision and Pattern Recognition，arXiv preprint arXiv：. | |
| Huang Y P， Basanta H，2021. Recognition of endemic bird species using deep learning models[J]. IEEE Access，9：102975?102984.DOI：10.1109/ACCESS.2021.3098532 . | |
| Iskakov K， Burkov E， Lempitsky V， Malkov Y，2019. Learnable triangulation of human pose[C]. 2019 IEEE/CVF International Conference on Computer Vision（ICCV）. DOI：10.1109/ICCV.2019.00781 . | |
| Jiang L， Lee C， Teotia D， Ostadabbas S，2022. Animal pose estimation：a closer look at the state?of?the?art，existing gaps and opportunities[J]. Computer Vision and Image Understanding，222：103483. DOI：10.1016/j.cviu.2022.103483 . | |
| Jin L L， Liang H，2017. Deep learning for underwater image recognition in small sample size situations[C]. Oceans2017? Aberdeen. DOI：10.1109/OCEANSE.2017.8084645 . | |
| Joe Y N， Matthew J H， Sudheendra V， Oriol V， Rajat M， George T，2015. Beyond short snippets：deep networks for video classification[C]. 2015 IEEE Conference on Computer Vision and Pattern Recognition（CVPR）. DOI：10.1109/CVPR.2015. 7299101 . | |
| Joska D， Clark L， Muramatsu N， Jericevich R， Nicolls F， Mathis A， Mathis M W， Patel A，2021. AcinoSet：a 3D pose estimation dataset and baseline models for cheetahs in the wild[C]. 2021 IEEE International Conference on Robotics and Automation（ICRA）. DOI：10.1109/ICRA48506.2021.9561338 . | |
| Kanopoulos N， Vasanthavada N， Baker R，1988. Design of an image edge detection filter using the sobel operator[J]. IEEE Journal of Solid?State Circuits，23（2）：358?367.DOI：10.1109/4.996 . | |
| Kassim Y M， Byrne M E， Burch C G， Mote K， Hardin J B， Larsen D R， Palaniappan K，2020. Small object bird detection in infrared drone videos using Mask R?CNN deep learning[J]. Electronic Imaging，32（8）：85?1?85?8. | |
| Kekre H B， Thepade S D， Banura V K，2011. Amelioration of walsh?hadamard texture patterns based image retrieval using HSV color space[J]. International Journal of Computer Science and Information Security，9（3）：64?69. | |
| Kocon J， Cichecki I， Kaszyca O， Kochanek M， Szydlo D， Baran J， Bielaniewicz J， Gruza M， Janz A， Kanclerz K， Kocon A， Koptyra B， Kowszewicz W M， Milkowski P， Oleksy M， Piasecki M， Radlinski L， Wojtasik K， Wozniak S， Kazienko P，2023. ChatGPT：jack of all trades，master of none[J]. Information Fusion，99：101861. DOI：10.1016/j.inffus.2023.101861 . | |
| Krizhevsky A， Sutskever I， Hinton G E，2017. ImageNet classification with deep convolutional neural networks[J]. Communications of the ACM，60（6）：84?90.DOI：10.1145/3065386 . | |
| Lecun Y， Bengio Y， Hinton G，2015. Deep learning[J]. Nature，521（7553）：436?444.DOI：10.1038/nature14539 . | |
| Ledig C， Theis L， Huszar F， Caballero J， Cunningham A， Acosta A， Aitken A， Tejani A， Totz J， Wang Z H， Shi W Z，2017. Photo?realistic single image super?resolution using a generative adversarial network[C]. 2017 IEEE Conference on Computer Vision and Pattern Recognition（CVPR）. DOI：10.1109/CVPR.2017.19 . | |
| Lewis M， Liu Y H， Goyal N， Ghazvininejad M， Mohamed A， Levy O， Stoyanov V， Zettlemoyer L，2019. BART：denoising sequence?to?sequence pre?training for natural language generation，translation，and comprehension[C]. 58th Annual Meeting of the Association for Computational Linguistics. DOI：10.18653/v1/2020.acl-main.703 . | |
| Lin T Y， Dollar P， Girshick R， He K M， Hariharan B， Belongie S，2017. Feature pyramid networks for object detection[C]. 2017 IEEE Conference on Computer Vision and Pattern Recognition（CVPR）. DOI：10.1109/CVPR.2017.106 . | |
| Liu Y B， Han T T， Gao Z，2020. Pairwise generalization network for cross?domain image recognition[J]. Neural Processing Letters，52（2）：1023?1041.DOI：10.1007/s11063-019-10041-9 . | |
| Liu Z W， Miao Z Q， Zhan X H， Wang J Y， Gong B Q， Yu S X，2019. Large?scale long?tailed recognition in an open world[C]. 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition（CVPR）. DOI：10.1109/CVPR.2019.00264 . | |
| Luo W， Jin Y T， Li X Q， Liu K，2021. Application of deep learning in remote sensing monitoring of large herbivores?a case study in Qinghai Tibet Plateau[J]. Pakistan Journal of Zoology，54（1）：413?421.DOI：10.17582/journal.pjz/20191205021259 . | |
| Man T， Shen H W， Jin X L， Cheng X Q，2017. Cross?domain recommendation：an embedding and mapping approach[C]. 26th International Joint Conference on Artificial Intelligence Main track. DOI：10.24963/ijcai.2017/343，2464?2470. | |
| Marton F， S?lj? R，1976. On qualitative differences in learning：I?outcome and process[J]. British Journal of Educational Psychology，46（1）：4?11. | |
| Miao Z Q， Liu Z W， Gaynor K M， Palmer M S， Yu S X， Getz W M，2021. Iterative human and automated identification of wildlife images[J]. Nature Machine Intelligence，3（10）：885?895.DOI：10.1038/s42256-021-00393-0 . | |
| Morrison M L， Mathewson H A，2015. Wildlife habitat conservation：concepts，challenges，and solutions[M]. Baltimore：Johns Hopkins University Press，53. | |
| Mu J T， Qiu W C， Hager G， Yuille A，2020. Learning from synthetic animals[C]. 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition（CVPR）. DOI：10.1109/CVPR42600.2020.01240 . | |
| Najafabadi M M， Villanustre F， Khoshgoftaar T M， Seliya N， Wald R， Muharemagic E A，2015. Deep learning applications and challenges in big data analytics[J]. Journal of Big Data，2（1）：1?21.DOI：10.1186/s40537-014-0007-7 . | |
| Nie J， Anwer R M， Cholakkal H， Khan F S， Pang Y W， Shao L，2019. Enriched feature guided refinement network for object detection[C]. 2019 IEEE/CVF International Conference on Computer Vision（ICCV）. DOI：10.1109/ICCV.2019.00963 . | |
| Norouzzadeh M S， Morris D， Beery S， Joshi N， Jojic N， Clune J，2021. A deep active learning system for species identification and counting in camera trap images[J]. Methods in Ecology and Evolution，12（1）：150?161.DOI：10.1111/2041-210X.13504 . | |
| Norouzzadeh M S， Nguyen A M， Kosmala M， Swanson A， Palmer M S， Packer C， Clune J，2017. Automatically identifying，counting，and describing wild animals in camera?trap images with deep learning[J]. Proceedings of the National Academy of Sciences，115（25）：E5716?E5725.DOI：10.1073/pnas. 1719367115 . | |
| Ntouskos V， Sanzari M， Cafaro B， Nardi F， Natola F， Pirri F， Ruiz M，2015. Component?wise modeling of articulated objects[C]. 2015 IEEE International Conference on Computer Vision（ICCV）. DOI：10.1109/ICCV.2015.268 . | |
| Ouyang W， Wang X G， Zhang C， Yang X K，2016. Factors in finetuning deep model for object detection with long?tail distribution[C]. 2016 IEEE Conference on Computer Vision and Pattern Recognition（CVPR）. DOI：10.1109/CVPR.2016.100 . | |
| Qin H W， Li X， Yang Z X， Shang M，2015. When underwater imagery analysis meets deep learning：a solution at the age of big visual data[C]. OCEANS 2015?MTS/IEEE Washington. DOI：10.23919/OCEANS.2015.7404463 . | |
| Qin T，2020. Dual learning[M]. Singapore：Springer Press，73?93. | |
| Ragib K M， Shithi R T， Haq S A， Hasan M， Sakib K M， Farah T，2020. PakhiChini：automatic bird species identification using deep learning[C]. 2020 Fourth World Conference on Smart Trends in Systems，Security and Sustainability（WorldS4）. DOI：10.1109/WorldS450073.2020.9210259 . | |
| Rajasegaran J， Khan S， Hayat M， Khan F S， Shah M，2020. iTAML：an incremental task?agnostic meta?learning approach[C]. 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition（CVPR）. DOI：10.1109/CVPR42600. 2020.01360 . | |
| Reinert B， Ritschel T， Seidel H P，2016. Animated 3D creatures from single?view video by skeletal sketching[C]. Proceedings of Graphics Interface 2016. DOI：10.20380/GI2016.17 . | |
| Robin C W， Thijs S， Tim V D， J?Drzej ?， Hervé M， Nazaire M， Narcys M， Joeri A Z， AuréLie F K P， Laila B， Stephanie B， Anabelle W C， Philipp H， David L， Brice R M， Lo?C M， Christopher O， Lee J W， Donald M I， Katharine A A，2021. Real?time alerts from AI?enabled camera traps using the Iridium satellite network：a case?study in Gabon，central Africa[J]. Methods in Ecology and Evolution，14（3）：867?874. | |
| Ruilong C， Ruth L， Lyudmila M， Richard D， Ruth C，2019. Wildlife surveillance using deep learning methods[J]. Ecology and Evolution，9（17）：9453?9466.DOI：10.1002/ece3. 5410 . | |
| Rustia D J A， Chao J J， Chiu L Y， Wu Y F， Chung J Y， Hsu J C， Lin T T，2020. Automatic greenhouse insect pest detection and recognition based on a cascaded deep learning classification method[J]. Journal of Applied Entomology，145（3）：206?222.DOI：10.1111/jen.12834 . | |
| Ryan C， Cameron T， Andrew S M，2021. Application of deep learning to camera trap data for ecologists in planning / engineering?can captivity imagery train a model which generalizes to the wild?[C]. 2021 IEEE International Conference on Big Data（Big Data）. DOI：10.1109/BigData52589.2021.9671661 . | |
| Santisudha P， Anuja N， Tripti S，2021. A survey on transfer learning [A]. // MISHRA D，BUYYA R，MOHAPATRA P，PATNAIK S eds. Intelligent and cloud computing[M]. Singapore：Springer，781?789. | |
| Schindler F， Steinhage V，2021. Identification of animals and recognition of their actions in wildlife videos using deep learning techniques[J]. Ecological Informatics，61：101215. DOI：10.1016/j.ecoinf.2021.101215 . | |
| Schofield D， Nagrani A， Zisserman A， Hayashi M， Matsuzawa T， Biro D， Carvalho S，2019. Chimpanzee face recognition from videos in the wild using deep learning[J]. Science Advances，5（9）：eaaw0736. DOI：10.1126/sciadv.aaw0736 . | |
| Shi C C， Jia C Y， Chen Z N，2018. FFDet：a fully convolutional network for coral reef fish detection by layer fusion[C]. 2018 IEEE Visual Communications and Image Processing（VCIP）.DOI：10.1109/VCIP.2018.8698738 . | |
| Shi C M， Xu J， Roberts N J， Liu D， Jiang G S，2023. Individual automatic detection and identification of big cats with the combination of different body parts[J]. Integrative Zoology，18（1）：157?168. DOI：10.1111/1749-4877.12641 . | |
| Silver D， Schrittwieser J， Simonyan K， Antonoglou I， Huang A J， Guez A， Hubert T， Baker L， Lai M， Bolton A， Chen Y T， Lillicrap T， Hui F， Sifre L， Driessche G V D， Graepel T， Hassabis D，2017. Mastering the game of go without human knowledge[J]. Nature，550（7676）：354?359. DOI：10.1038/nature24270 . | |
| Simoes F， Bouveyron C， Precioso F，2023. DeepWILD：wildlife identification，localisation and estimation on camera trap videos using deep learning[J]. Ecological Informatics，75：102095. DOI：10.1016/j.ecoinf.2023.102095 . | |
| Simonyan K， Zisserman A，2014. Very deep convolutional networks for large?scale image recognition[J]. International Conference on Learning Representations，arXiv preprint arXiv：. | |
| Sohn K， Berthelot D， Li C L， Zhang Z Z， Carlini N， Cubuk E D， Kurakin A， Zhang H， Raffel C，2020. FixMatch：simplifying semi?supervised learning with consistency and confidence[J]. Neural Information Processing Systems，33：596?608. | |
| Sun X， Shi J Y， Dong J Y， Wang X H，2016. Fish recognition from low?resolution underwater images[C]. 2016 9th International Congress on Image and Signal Processing，BioMedical Engineering and Informatics（CISP?BMEI）. DOI：10.1109/CISP-BMEI.2016.7852757 . | |
| Sun Y， Liu X X， Yuan M S， Ren L L， Wang J X， Chen Z B，2018. Automatic in?trap pest detection using deep learning for pheromone?based Dendroctonus valens monitoring[J]. Biosystems Engineering，176：140?150.DOI：10.1016/j.biosystemseng.2018.10.012 . | |
| Swarup P， Chen P， Hou R， Que P J， Liu P， Kong A W K，2021. Giant panda behaviour recognition using images[J]. Global Ecology and Conservation，26：e01510. DOI：10.1016/j.gecco.2021.e01510 . | |
| Szegedy C， Liu W， Jia Y Q， Sermanet P， Reed S， Anguelov D， Erhan D， Vanhoucke V， Rabinovich A，2015. Going deeper with convolutions[C]. 2015 IEEE Conference on Computer Vision and Pattern Recognition（CVPR）. DOI：10.1109/CVPR.2015.7298594 . | |
| Tabak M A， Norouzzadeh M S， Wolfson D W， Sweeney S J， Vercauteren K C， Snow N P， Halseth J M， Di Salvo P A， Lewis J S， White M， Teton B S， Beasley J C， Schlichting P E， Boughton R K， Wight B， Newkirk E S， Ivan J S， Odell E A， Brook R K， Lukacs P M， Moeller A K， Mandeville E G， Clune J， Miller R S，2018. Machine learning to classify animal species in camera trap images：applications in ecology[J]. Methods in Ecology and Evolution，10（4）：585?590.DOI：10.1111/2041-210X.13120 . | |
| Tamou A B， Benzinou A， Nasreddine K， Ballihi L，2018. Underwater live fish recognition by deep learning[C]. Image and Signal Processing. DOI：10.1007/978-3-319-94211-7_30 . | |
| Tan M X， Quoc V L，2019. EfficientNet：rethinking model scaling for convolutional neural networks[J]. arXiv preprint arXiv：. | |
| Timm M， Maji S， Fuller T K，2018. Large?scale ecological analyses of animals in the wild using computer vision[C]. 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops（CVPRW）. DOI：10.1109/CVPRW.2018.00252 . | |
| Tomkiewicz S M， Fuller M R， Kie J G， Bates K K，2010. Global positioning system and associated technologies in animal behaviour and ecological research[J]. Philosophical Transactions of the Royal Society B：Biological Sciences，365：2163?2176.DOI：10.1098/rstb.2010.0090 . | |
| Torney C J， Lloyd‐Jones D J， Chevallier M， Moyer D C， Maliti H T， Mwita M， Kohi E M， Hopcraft G G J C，2019. A comparison of deep learning and citizen science techniques for counting wildlife in aerial survey images[J]. Methods in Ecology and Evolution，10（6）：779?787.DOI：10.1111/2041-210X.13165 . | |
| Tran D， Bourdev L D， Fergus R， Torresani L， Paluri M，2015. Learning spatiotemporal features with 3D convolutional networks[C]. 2015 IEEE International Conference on Computer Vision（ICCV）. DOI：10.1109/ICCV.2015.510 . | |
| Tri D， Gu A，2024. Transformers are SSMs：Generalized models and efficient algorithms through structured state space duality [J/OL]. Computing Research Repository，arXiv preprint arXiv:. | |
| Van Zyl T L， Woolway M， Engelbrecht B，2020. Unique animal identification using deep transfer learning for data fusion in Siamese networks[C]. 2020 IEEE 23rd International Conference on Information Fusion（FUSION）. DOI：10.23919/FUSION- 45008.2020.9190426 . | |
| Vaswani A， Shazeer N， Parmar N， Uszkoreit J， Jones L， Gomez A N， Kaiser L， Polosukhin I，2017. Attention is all you need[J]. Advances in Neural Information Processing Systems，30：5998?6008.DOI：10.1080/14746700.2025.2472118 . | |
| Vicente S， Agapito L，2013. Balloon shapes：reconstructing and deforming objects with volume from images[C]. 2013 International Conference on 3Vision ?D 3DV 2013. DOI：10.1109/3DV. 2013.37 . | |
| Wang H L， Zhong J S， Xu Y F， Luo G， Jiang B Y， Hu Q， Lin Y C， Ran J H，2022. Automatically detecting the wild giant panda using deep learning with context and species distribution model[J]. Ecological Informatics，72：101868.DOI：10.1016/j.ecoinf.2022.101868 . | |
| Wang J， Li Y， Feng H L， Ren L J， Du X C， Wu J，2020. Common pests image recognition based on deep convolutional neural network[J]. Computers and Electronics in Agriculture，179：105834. DOI：10.1016/j.compag.2020.105834 . | |
| Wang J D， Sun K， Cheng T H， Jiang B R， Deng C R， Zhao Y， Liu D， Mu Y D， Tan M K， Wang X G， Liu W Y， Xiao B，2020. Deep high?resolution representation learning for visual recognition[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence，43（10）：3349?3364.DOI：10.1109/TPAMI. 2020.2983686 . | |
| Willi M， Pitman R T， Cardoso A W， Locke C M， Swanson A， Boyer A， Veldthuis M， Fortson L，2019. Identifying animal species in camera trap images using deep learning and citizen science[J]. Methods in Ecology and Evolution，10（1）：80?91.DOI：10.1111/2041-210X.13099 . | |
| Xia C L， Fu L W， Liu H， Chen L X，2018. In situ sea cucumber detection based on deep learning approach[C]. 2018 OCEANS ? MTS/IEEE Kobe Techno?Oceans（OTO）. DOI：10.1109/OCEANSKOBE.2018.8559317 . | |
| Xiang L Y， Ding G G，2020. Learning from multiple experts：self?paced knowledge distillation for long?tailed classification[C]. Computer Vision?ECCV 2020. DOI：10.1007/978- 3-030-58558-7_15 . | |
| Yang D Q， Tan K， Huang Z P， Li X W， Chen B H， Ren G P， Xiao W，2021. An automatic method for removing empty camera trap images using ensemble learning[J]. Ecology and Evolution，11（12）：7591?7601.DOI：10.1002/ece3.7591 . | |
| Yang Z， Luo T G， Wang D， Hu Z Q， Gao J， Wang L W，2018. Learning to navigate for fine?grained classification[C]. Computer Vision?ECCV 2018. DOI：10.1007/978-3-030-01264- 9_26 . | |
| Yuan J Y， Gao H Z， Dai D M， Luo J Y， Zhao L， Zhang Z Y， Xie Z D， Wei Y X， Wang L， Xiao Z P， Wang Y Q， Ruan C， Zhang M， Liang W F， Zeng W D，2025. Native sparse attention：hardware?aligned and natively trainable sparse attention [J/OL]. arXiv preprint arXiv：. | |
| Zhang H J， Wu J F， Yu H， Wang W F， Zhang Y X， Zhou Y Z，2021. An underwater fish individual recognition method based on improved YoloV4 and FaceNet[C]. 2021 20th International Conference on Ubiquitous Computing and Communications（IUCC/CIT/DSCI/SmartCNS）.DOI：10.1109/IUCC- CIT-DSCI-SmartCNS55181.2021.00042 . | |
| Zhang N， Donahue J， Girshick R B， Darrell T，2014. Part?based R?CNNs for fine?grained category detection[C]. Computer Vision?ECCV 2014. DOI：10.1007/978-3-319-10590-1_54 . | |
| Zhang Y L， Park H S，2020. Multiview supervision by registration[C]. 2020 IEEE Winter Conference on Applications of Computer Vision（WACV）.DOI：10.1109/WACV45572. 2020.9093591 . | |
| Zhou B Y， Cui Q， Wei X S， Chen Z M，2019. BBN：Bilateral?branch network with cumulative learning for long?tailed visual recognition[C]. 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition（CVPR）. DOI：10.1109/CVPR42600.2020.00974 . | |
| Zhou B L， Lapedriza à， Khosla A， Oliva A， Torralba A，2018. Places：a 10 million image database for scene recognition[J]. Transactions on Pattern Analysis and Machine Intelligence，40（6）：1452?1464.DOI：10.1109/TPAMI.2017.2723009 . | |
| Zhu L Q， Ma M Y， Zhang Z， Zhang P Y， Wu W， Wang D D， Zhang D X， Wang X， Wang H Y，2017. Hybrid deep learning for automated lepidopteran insect image classification[J]. Oriental Insects，51（2）：79?91.DOI：10.1080/00305316. 2016.1252805 . | |
| Zuffi S， Kanazawa A， Berger W T， Black M J，2019. Three?D Safari：learning to estimate zebra pose，shape，and texture from images ‘in the wild’[C]. 2019 IEEE/CVF International Conference on Computer Vision（ICCV）. DOI：10.1109/ICCV.2019.00546 . | |
| Zuffi S， Kanazawa A， Black M J，2018. Lions and tigers and bears：capturing non?rigid，3D，articulated shape from images[C]. 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition. DOI：10.1109/CVPR.2018.00416 . | |
| Zuffi S， Kanazawa A， Jacobs D， Black M J，2016. 3D menagerie：modeling the 3D shape and pose of animals[C]. 2017 IEEE Conference on Computer Vision and Pattern Recognition（CVPR）.DOI：10.1109/CVPR.2017.586 . | |
| 于业达，顾偌铖，唐运林，韦俊宏，潘国庆，陈通，2019. 基于深度学习的草地贪夜蛾自动识别[J]. 西南大学学报（自然科学版），41（9）：24?31.DO：10.13718/j.cnki.xdzk. 2019.09.004. | |
| 王文成，蒋慧，乔倩，祝捍皓，郑红，2019. 基于ResNet50网络的十种鱼类图像分类识别研究[J]. 农村经济与科技，30（19）：60?62. | |
| 王民，赵伟，张立材，要趁红，黄斐，2015. 基于LVQ神经网络的朱鹮个体辨识技术研究[J]. 信息通信，9：7?8. | |
| 王革伟，2018. 川金丝猴面部识别方法研究[D].西安：西北大学. | |
| 王俊红，闫家荣，2021. 基于欠采样和代价敏感的不平衡数据分类算法[J]. 计算机应用，41（1）：48?52.DOI：10. 11772/j.issn. 1001-9081.2020060878 . | |
| 王翰霖，文帅，白俊，李东睿，罗概，林玉成，2022. 红外相机监测目标物种的一种自动化检测方法：以绿尾虹雉为例[J]. 四川动物，41（4）：361?369.DOI：10.11984/j.issn. 1000-7083.20210316 . | |
| 史春妹，谢佳君，顾佳音，刘丹，姜广顺，2021. 基于目标检测的东北虎个体自动识别[J]. 生态学报，41（12）：4685?4693.DOI：10．5846 / stxb201912232768 . | |
| 付永钦，2019. 基于深度学习的蛇类图像分类问题研究[D]. 杭州：浙江大学. | |
| 刘文定，李安琪，张军国，谢将剑，鲍伟东，2018. 基于ROI?CNN的赛罕乌拉国家级自然保护区陆生野生动物自动识别[J]. 北京林业大学学报，40（8）：123?131.DOI：10.13332/j.1000-1522.20180141 . | |
| 孙蕊，张旭，郭颖，于新文，陈艳，侯亚男，2020. 基于Faster R?CNN金丝猴优化检测方法[J]. 激光与光电子学进展，57（12）：259?268.DOI：10.3788/LOP57.121022 . | |
| 李顺，邹亮，宫一男，杨海涛，王天明，冯利民，葛剑平，2019. 激光雷达技术在动物生态学领域的研究进展[J].生物多样性，27（9）：1021?1031.DOI：10.17520/biods.2019166 . | |
| 李晟，王大军，肖治术，李欣海，王天明，冯利民，王云，2014. 红外相机技术在我国野生动物研究与保护中的应用与前景[J]. 生物多样性，22（6）：685?695. DOI：10.3724/SP.J. 1003.2014.14203 . | |
| 李婧，吴俊峰，于红，周弈志，2020. 一种基于冗余裁剪的鱼群密度估计算法[J]. 计算机与数字工程，48（12）：2864?2868，2911.DOI：10.3969/j.issn.1672-9722. 2020.12.012 . | |
| 杨铭伦，张旭，郭颖，于新文，侯亚男，高家军，2022. 基于YOLOv5的红外相机野生动物图像识别[J]. 激光与光电子学进展，59（12）：382?390.DOI：10.3788/LOP202259.1215015 . | |
| 邱荣洲，赵健，何玉仙，陈韶萍，黄美玲，池美香，梁勇，翁启勇，2021. 基于性诱和深度学习的草地贪夜蛾成虫自动识别计数方法[J]. 昆虫学报，64（12）：1444?1454.DOI：10.16380/j.kcxb.2021.12.010 . | |
| 宋益盛，林志杰，2019. 基于迁移学习和数据增强技术的物种识别[J]. 现代计算机，（14）：57?63.DOI：10.3969/j.issn.1007-1423.2019.14.013 . | |
| 张荣，邓赵红，王士同，蔡及时，钱鹏江，2012. 针对小样本数据集的鲁棒单隐层前馈网络建模方法[J]. 控制与决策，27（9）：1308?1312，1319.DOI：10.13195/j.cd.2012.09.30.zhangr.022 . | |
| 张雪莹，张浩林，韩莹莹，翁强，袁峥嵘，姚远，2022. 基于深度学习的野生动物监测与识别研究进展[J]. 野生动物学报，43（1）：251?258.DOI：10.19711/j.cnki.issn2310-1490. 2022.01.032 . | |
| 张毓，高雅月，常峰源，谢将剑，张军国，2021. 小样本条件下基于数据扩充和ResNeSt的雪豹识别[J]. 北京林业大学学报，43（10）：89?99.DOI：10.12171/j.1000-1522.20210185 . | |
| 陈永康，宋亚男，何嘉俊，徐荣华，黄栩滨，2019. 基于深度学习的动物姿态估计和状态评估研究[J]. 电子世界，（5）：47?48.DOI：10.19353/j.cnki.dzsj.2019.05.026 . | |
| 陈彦彤，陈伟楠，张献中，李雨阳，王俊生，2020. 基于深度卷积神经网络的蝇类面部识别[J]. 光学精密工程，28（7）：1558?1567.DOI：10.37188/OPE.20202807.1558 . | |
| 范莹莹，2018. 基于深度学习的金丝猴面部识别软件设计与实现[D]. 西安：西安电子科技大学. | |
| 林聪田，2020. 基于大数据与深度学习的生物物种智能识别研究[D]. 北京：中国科学院大学. | |
| 周学红，杨锡涛，唐谨成，张伟，2016. 野生动物就地保护与其分布地经济发展的相容性[J]. 生态学报，36（21）：6708?6718.DOI：10．5846 /stxb201404080668 . | |
| 周章玉，侯佳萍，刘鹏，陈鹏，段昶，2023. 基于双模型融合的大熊猫头部图像分割[J].兽类学报，43（1）：82?88. DOI：10.16829/j.slxb.150635 . | |
| 赵玄润，2022.基于分级集成网络和自监督聚类的金丝猴面部识别算法研究[D]. 西安：西北大学.DOI：10.27405/d.cnki.gxbdu.2022.001589 . | |
| 赵婷婷，周哲峰，李东喜，刘松，李明，2018. 基于改进的Cifar?10深度学习模型的金钱豹个体识别研究[J]. 太原理工大学学报，49（4）：585?591，598.DOI：10.16355/j.cnki.issn1007-9432tyut.2018.04.011 . | |
| 胡旭，2019. 基于注意力机制的金丝猴面部识别研究与实现 [D]. 西安：西安电子科技大学.DOI：10.27389/d.cnki.gxadu.2019.002935 . | |
| 姜福豪，隋晨红，欧世峰，王中训，胡国英，杨国斌，潘云豪，胡健，2021. 基于Swin?Transformer的野生动物检测[J]. 人工智能与机器人研究，10（4）：281?291.DOI:10.12677/AIRR.2021.104028 . | |
| 宫一男，谭孟雨，王震，赵国静，蒋沛林，蒋仕铭，张鼎基，葛剑平，冯利民，2019. 基于深度学习的红外相机动物影像人工智能识别:以东北虎豹国家公园为例[J]. 兽类学报，39（4）：458?465.DOI：10.16829/j.slxb.150333 . | |
| 姚青，吴叔珍，蒯乃阳，杨保军，唐健，冯晋，朱旭华，朱先敏，2021. 基于改进CornerNet的水稻灯诱飞虱自动检测方法构建与验证[J]. 农业工程学报，37（7）：183?189.DOI：10.11975/j.issn.1002-6819.2021.07.022 . | |
| 倪黎，邹卫军，2020. 基于SE模块改进Xception的动物种类识别[J]. 导航与控制，19（2）：106?111.DOI：10.3969 /j.issn.1674-5558.2020.02.015 . | |
| 高云，侯鹏飞，熊家军，许学林，陈斌，李康，2022. 基于光流注意力网络的梅花鹿攻击行为自动识别方法[J]. 农业机械学报，53（10）：261?270.DOI：10.6041/j.issn.1000-1298.2022. 10.028 . | |
| 梁华刚，温晓倩，梁丹丹，李怀德，茹锋，2019. 多级卷积特征金字塔的细粒度食物图片识别[J]. 中国图象图形学报，24（6）：870?881.DOI：10.11834 /jig.180495 . | |
| 韩家臣，2021. 基于深度学习的野生动物图像识别方法研究[D]. 兰州：西北师范大学.DOI：10.26949/d.cnki.gblyu.2019.000425 . | |
| 程浙安，2019. 基于深度卷积神经网络的内蒙古地区陆生野生动物自动识别[D]. 北京：北京林业大学. | |
| 蔡前舟，郑伯川，曾祥银，侯金，2022. 结合长尾数据解决方法的野生动物目标检测[J]. 计算机应用，42（4）：1284?1291.DOI：10.11772/j.issn.1001-9081. 2021071279 . | |
| 漆愚，苏菡，侯蓉，刘鹏，陈鹏，臧航行，张志和，2022. 基于高分辨率网络的大熊猫姿态估计方法[J]. 兽类学报，42（4）：451?460.DOI：10.16829/j.slxb.150639 . |
/
| 〈 |
|
〉 |
青公网安备 63010402000199号
青ICP备05000010号-2
