深度学习告诉塞伦盖蒂瞪羚的长颈鹿

 作者:席荭刍     |      日期:2017-12-28 01:01:13
https://creativecommons.org/licenses/by-nc-sa/3.0/作者:Matt Reynolds计算机公司在塞伦盖蒂发挥了作用可以识别不同物种的图像识别算法可以更容易地跟踪野生动物使用坦桑尼亚塞伦盖蒂国家公园隐藏摄像机陷阱拍摄的320万张照片的数据库,拉勒米怀俄明大学的Jeff Clune及其同事培训了深度学习系统,以区分48种动物,如大象,长颈鹿和瞪羚在测试中,它在92%的时间内正确识别出图像中存在的物种当热量和运动触发时,相机陷阱会自动拍摄过往动物的照片这为生态学家研究产生了数千或数百万张照片,但人们通常必须通过手工标记每幅图片的手工显示,在牛津大学期间从事该项目的Ali Swanson说如果算法可以对至少一些图像进行分类,则可以节省大量时间 https://creativecommons.org/licenses/by-nc-sa/3.0/ 2010年,斯旺森在塞伦盖蒂设立了225个摄像机陷阱,邀请了70,000名在线志愿者组成的军队帮助标记图像当Clune听到这个消息时,他看到了深度学习的绝佳机会 - 所以他和Swanson安排合作完成这个项目 “现在在人工智能和深度学习中,最困难的事情之一就是一个非常好的大型标记数据集,”克鲁恩说他的团队开始通过教授神经网络来识别图像是否包含动物,其中75%的塞伦盖蒂图像缺乏然后研究人员训练它来区分物种 Clune说,该系统在识别数据集中最常见的动物方面要好得多,例如牛羚对于像zorilla这样的稀有物种来说,这是一个很大的问题zorilla是一种仅在图像中出现几十次的臭鼬 Clune表示,该系统可用于对大部分照片进行分类,研究人员可以对任何不确定的照片进行分类然后可以对这些手工标记的图像进行进一步训练,以便更好地识别稀有物种该团队还计划测试该系统是否可以识别图像中的动物行为 “这非常令人兴奋,”伦敦动物学会的Chris Carbone说他说,自动物种识别可以帮助我们更多地了解物种的分布,更好地了解人类对物种的影响 https://creativecommons.org/licenses/by-nc-sa/3.0/一个理想的系统可以提供有关动物通过陷阱的实时跟踪信息,Swanson说但挑战是实时从设备传输数据以供系统分析,而不是当前使用SD卡将数据存储在设备上的方法,直到研究人员收集它为止一个困难是鬣狗和大象有破坏摄像机的习惯,这些摄像机因此被保存在重型塑料箱中,没有可用于传输数据的天线的空间 “如果你把天线放在相机上,它根本不会持续很长时间,”斯旺森说 “有些东西会出现,并且很快就会把它咀嚼掉”参考:arxiv.org/abs/1703.05830关于这些主题的更多信息: