论文标题：Time-lapse imagery and volunteer classifications from the Zooniverse Penguin Watch project
期刊：Scientific Data
作者：Fiona M. Jones, Campbell Allen, Carlos Arteta, Joan Arthur, Caitlin Black, Louise M. Emmerson, Robin Freeman, Greg Hines, Chris J. Lintott, Zuzana Machá?ková, Grant Miller, Rob Simpson, Colin Southwell, Holly R. Torsey, Andrew Zisserman & Tom Hart
发表时间：2018/06/26
数字识别码：10.1038/sdata.2018.124
原文链接：https://www.nature.com/articles/sdata2018124?utm_source=Other_website&utm_medium=Website_links&utm_content=RenLi-Nature-Scientific_Data-Animal_Sciences-China&utm_campaign=SCIDATA_USG_rlp8212_penguin_sciencenet_article_July_1st
近期《科学数据》论文Time-lapse imagery and volunteer classifications from the Zooniverse Penguin Watch project公布了在南极洲半岛、南设得兰群岛和南乔治亚岛拍摄的将近74,000张图片的数据，反映了当地阿德利企鹅属繁殖群的动态。这些图片源自公民科学项目（宇宙动物园项目“企鹅观察”的一部分），由15个不同的摄像头拍摄而成，由志愿者对图片进行分类。
图1：两台远程摄像机拍摄企鹅。
Jones et al.
由于距离遥远，环境恶劣，在南极洲进行大规模的地面监测研究非常具有挑战性，因而也很少见。因此，大多数调查企鹅种群动态的研究集中于一个特定的地点或者几个地点，然后将当地数据外推到更广泛的一个或多个地区。然而，这种方法不足以用来理解大量广泛分布的种群。加深对企鹅种群动态、繁殖成功率和物候的理解，将使人们能够监测诸如气候变化和过度捕捞等威胁的影响，从而为采取更有效的保护措施铺平道路。
英国牛津大学的Fiona Jones及其同事报告了73,802张图片的志愿者匿名分类情况以及相关的元数据，包括日期、时间和温度信息。整体上，“企鹅观察”网络中的每个摄像头在全年的上午7点至晚上8点之间，每小时捕获一次图片。志愿者在进行图片分类的时候，用“成年企鹅”、“小企鹅”或“企鹅蛋”来标记企鹅，用“其他”来标记其他动物、人类或船只。这种级别的注释允许检测出重要的物候阶段，如企鹅孵化。迄今为止，“企鹅观察”已经处理了逾600万张图片，近48,000名注册志愿者和大量匿名参与者对图片进行了分类。
图2："企鹅观察"拍摄的企鹅照片，显示了日期、时间、月相和温度信息。
Jones et al.
作者认为，除了生态监测方面的好处之外，这类带注释的延时图片可以用作机器学习算法的训练工具，以实现数据的自动化提取。他们还认为文中所述的方法证实了公民科学项目的实际用途。
摘要：Automated time-lapse cameras can facilitate reliable and consistent monitoring of wild animal populations. In this report, data from 73,802 images taken by 15 different Penguin Watch cameras are presented, capturing the dynamics of penguin (Spheniscidae; Pygoscelis spp.) breeding colonies across the Antarctic Peninsula, South Shetland Islands and South Georgia (03/2012 to 01/2014). Citizen science provides a means by which large and otherwise intractable photographic data sets can be processed, and here we describe the methodology associated with the Zooniverse project Penguin Watch, and provide validation of the method. We present anonymised volunteer classifications for the 73,802 images, alongside the associated metadata (including date/time and temperature information). In addition to the benefits for ecological monitoring, such as easy detection of animal attendance patterns, this type of annotated time-lapse imagery can be employed as a training tool for machine learning algorithms to automate data extraction, and we encourage the use of this data set for computer vision development.
阅读论文全文请访问：https://www.nature.com/articles/sdata2018124?utm_source=Other_website&utm_medium=Website_links&utm_content=RenLi-Nature-Scientific_Data-Animal_Sciences-China&utm_campaign=SCIDATA_USG_rlp8212_penguin_sciencenet_article_July_1st
期刊介绍：Scientific Datais a peer-reviewed, open-access journal for descriptions of scientifically valuable datasets, and research that advances the sharing and reuse of scientific data.
（来源：科学网）
特别声明：本文转载仅仅是出于传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的“来源”，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，请与我们接洽。
