基于因果推断的弱监督野生动物识别算法研究

来源：计算机技术与发展杂志2025年第05期北京时间：

作者：郭亦嘉;沈苏彬

单位：1. 南京邮电大学 物联网学院,江苏 南京 210023;2. 南京邮电大学 通信与网络技术国家工程研究中心,江苏 南京 210023

摘要：全监督野生动物识别算法的数据集需要大量标注数据,耗时耗力且容易引入噪声。 弱监督学习方法只需图像级别的标注信息,但是由于动物的生活习惯和栖息环境等影响,动物通常与特定的背景共同出现,会导致模型受到背景特征的干扰,即“共现混淆”问题。 针对该问题,该文提出了一种基于因果推断的识别算法 CI-ResNet,通过因果干预消除混淆因子的影响,提升目标识别和定位精度。 研究构建了混淆背景集模块,收集不同类别的背景特征,利用后门调整消除伪相关性,从而实现对特征的因果干预。 实验在 CUB-200-2011 数据集和 AwA2 数据集上进行,与现有深度学习方法和公开基准方法相比,在识别准确率和定位精度方面分别提高了 1. 92 百分点、2. 11 百分点和 1. 73 百分点、2. 15 百分点。

关键词：因果推断;弱监督学习;后门调整;图像识别;因果图