Исследователи дикой природы обучают искусственный интеллект (ИИ) более точно идентифицировать виды животных на фотографиях, сделанных с помощью фотоловушек.
В чём суть исследования
Учёные из Орегонского государственного университета разработали подход, который позволяет улучшить способность ИИ определять виды диких животных на фотографиях. Их исследование открывает путь к более точному и экономически эффективному анализу изображений дикой природы.
В настоящее время фотоловушки являются важным инструментом для мониторинга дикой природы. Однако просмотр тысяч изображений вручную занимает много времени, а существующие модели ИИ иногда слишком неточны, чтобы быть полезными для учёных и специалистов по управлению дикой природой.
«Одной из самых больших проблем при использовании ИИ в исследованиях дикой природы является ограниченная точность, когда мы используем модель для классификации изображений в новом месте — там, где модель раньше не „видела“», — сказала соавтор исследования Кристина Айелло, научный сотрудник Колледжа сельскохозяйственных наук Орегонского государственного университета.
Подход, который использовали учёные, повысил точность как в новых, так и в уже знакомых модели местах.
Исследование, проведённое под руководством Оуэна Окулея, студента бакалавриата под руководством Айелло на факультете рыболовства, дикой природы и наук об охране природы, было опубликовано в журнале Ecological Informatics. В исследовании в качестве примера был использован толсторог, но описанное в статье обучение ИИ применимо и к другим видам, считают учёные.
Как проводилось исследование
Айелло, Окулей, профессор Клинтон Эппс из Орегонского государственного университета и их коллеги выяснили, что наилучшие результаты идентификации достигаются, если обучение модели ИИ ограничивается одним видом, а не всеми видами, и включает изображения, сделанные в различных местных условиях, специфичных для проекта. Модель смогла идентифицировать толсторогов из новых мест в регионе с такой же точностью, как и на тренировочных площадках, когда изображения включали достаточно вариаций фона.
«Сужая цели, но при этом обеспечивая разнообразие тренировочных данных, мы достигли почти 90% точности идентификации с небольшой долей тренировочных данных — 10 000 тренировочных изображений, — которые требуются аналогичным моделям ИИ, — сказал Окулей. — А меньшее количество изображений означает, что модели требуется меньше вычислительной мощности и энергии, что полезно для изучения дикой природы, которую мы стремимся изучать».
Окулей, который выпустится в июне, и Айелло работали в рамках программы наставничества для студентов бакалавриата по рыболовству и дикой природе. Окулей научился управлять данными с фотоловушек и проводить исследования генетических образцов толсторогов вместе с аспирантом на военной базе, прежде чем приступить к собственному исследовательскому проекту в области ИИ.
К исследованию также присоединились учёные из Университета Джонса Хопкинса, Департамента рыб и дикой природы Калифорнии и Службы национальных парков.
Предоставлено: [Oregon State University](https://phys.org/partners/oregon-state-university/)