На пути к автоматической идентификации животных в исследованиях дикой природы

Новый автоматизированный метод подготовки цифровых фотографий для анализа поможет исследователям дикой природы, которые зависят от фотографий, идентифицировать отдельных животных по их уникальной маркировке. Биолог из Пенсильвании совместно с учеными из Microsoft Azure, службы облачных вычислений, используют технологию машинного обучения, чтобы улучшить превращение фотографий в полезные данные для исследований дикой природы. Статья, описывающая новую технику, появляется онлайн в журнале « Экологическая информатика».

«Многие исследователи должны выявлять и собирать данные о конкретных людях в своей работе, например, для оценки выживания, размножения и передвижения», — сказал Дерек Ли, доцент, профессор биологии в штате Пенсильвания и главный научный сотрудник Института дикой природы. «Вместо меток и других нанесенных человеком меток, которые могут мешать поведению животного, многие исследователи делают фотографии уникальных меток животного.

У нас есть программное обеспечение для распознавания образов, которое помогает анализировать эти фотографии, но все фотографии должны быть вручную подготовлены для анализа. Поскольку у нас часто есть тысячи фотографий для тщательного изучения, это создает серьезное узкое место».

Ли использует фотографии как часть большого продолжающегося исследования, чтобы понять рождение, смерть и перемещение более 3000 жирафов в Восточной Африке. Он и его команда делают цифровые фотографии уникальных и неизменных пятен каждого животного, чтобы идентифицировать их на протяжении всей жизни.

Но прежде чем изображения могут быть обработаны программным обеспечением для распознавания образов для идентификации людей, исследовательская группа должна вручную обрезать каждую фотографию или очертить интересующую область. Ли сотрудничал с учеными из Microsoft, которые предоставили новую услугу обработки изображений для автоматизации этого важного и трудоемкого процесса с использованием технологии машинного обучения, развернутой в облаке Microsoft Azure.

Используя компьютерный алгоритм для обнаружения объектов, команда Microsoft обучила программу распознавать туловища жирафов, используя существующие фотографии, которые были аннотированы вручную. Программа была итеративно улучшена с использованием активного процесса обучения, когда система показывала предсказанные квадраты обрезки на новых изображениях человеку, который мог быстро проверить или исправить результаты.

Эти новые изображения были затем возвращены в алгоритм обучения для дальнейшего обновления и улучшения программы. Полученная система идентифицирует расположение туловищ жирафа на изображениях с очень высокой точностью, даже если жираф представляет собой небольшую часть изображения или его туловище частично заблокировано растительностью.

«Система достигает почти идеального распознавания туловищ жирафов без дорогостоящих аппаратных требований, таких как выделенный высокопроизводительный графический процессор», — сказал Ли. «Удивительно, как команда Azure автоматизировала этот утомительный аспект нашей работы. Раньше мы обрабатывали наши новые изображения после съемки, а теперь это делается за несколько минут. Эта система приближает нас к полностью автоматической идентификации животных из фотографий."

Новая система значительно ускорит исследования Ли по популяциям жирафов, которые быстро сократились по всей Африке из-за потери среды обитания и незаконного убийства мяса.

«Жирафы — большие животные, и они преодолевают большие расстояния, поэтому, естественно, мы используем большие данные, чтобы узнать, где у них дела идут хорошо, а где нет, и почему, поэтому мы можем защитить и соединить области, важные для сохранения жирафа», — сказал он. Lee. «Для этого нам потребовались новые инструменты, и гармоничная связь с технологией Azure сделала нашу работу возможной».

Этот процесс также будет полезен для исследователей, изучающих других животных с уникальными моделями идентификации — в том числе некоторых диких кошек, слонов, саламандр, рыб, пингвинов и морских млекопитающих. Систему можно обучить идентифицировать и обрезать фотографию в интересующем регионе, специфичном для этих видов.