AgroParisTech, 12 et 13 juillet 2021
Erreurs d'annotation en deep learning, et quantification statistique des interactions prédateurs-proies en écologie.
Olivier Gimenez  1@  
1 : Centre d'Ecologie Fonctionnelle et Evolutive  (CEFE)  -  Site web
Campus CNRS, UMR 5175
1919 route de Mende;34293;Montpellier Cedex 5 -  France

Les interactions prédateurs-proies façonnent les communautés animales. Le piégeage photographique permet d'étudier ces relations à partir de l'identification des espèces sur les photographies prises en conditions naturelles. Pour annoter automatiquement de grandes quantités de photographies, le deep learning est de plus en plus utilisé. Deux difficultés se posent toutefois. Premièrement, la reconnaissance n'est pas parfaite, et les taux d'erreur ne sont pas nuls. Deuxièmement, le principal langage du deep learning, Python, est peu connu des écologues. Dans cette communication, on se pose la question de l'effet du taux d'erreur dans l'identification des espèces sur l'inférence des interactions entre elles. L'analyse est faite entièrement sous R, un langage bien connu des écologues.



  • Poster
Personnes connectées : 2 Vie privée
Chargement...