Ученые усовершенствовали компьютерные модели для идентификации животных на фото

Исследователи из Университета Вайоминга продвинули технологии искусственного интеллекта для идентификации диких животных на фотографиях с фотоловушек в Северной Америке.

Для разработки двух компьютерных моделей ученые использовали 3 миллиона изображений с фотоловушек из 18 исследований в 10 штатах США. Модели продемонстрировали высокую точность и эффективность в выполнении задачи, важной для исследований дикой природы.

Проект, описанный в журнале Ecology and Evolution, делает технологию более доступной для биологов без продвинутых вычислительных навыков. Он развивает предыдущие исследования, показывающие, что метод искусственного интеллекта глубокое обучение может заменить медленный, трудоемкий анализ отдельных фотографий людьми.

"Обучение модели, которую можно использовать для классификации видов в различных условиях, — сложная задача. Но мы обнаружили, что обучение модулей на множестве видов из разных мест улучшило нашу способность классифицировать виды в новых условиях", — говорит ведущий автор статьи Майки Табак.

Модели были разработаны на основе изображений из Калифорнии, Колорадо, Флориды, Айдахо, Миннесоты, Монтаны, Южной Каролины, Техаса, Вашингтона и Висконсина.

• Модель "виды" распознает 58 видов — от беляков до гризли.
• Модель "пусто/животное" эффективно отсеивает изображения без животных, что критически важно при анализе больших массивов фото.

Обе модели показали точность 97% при тестировании на изображениях из регионов, использованных при их разработке. При тестировании на изображениях из других частей мира:

• Точность модели "пусто/животное" составила 90–94%.
• Точность модели "виды" была ниже — 65–93%.

"Низкая производительность модели "виды" в некоторых областях указывает на то, что некоторым пользователям потребуется обучать новые модели на изображениях со своих полевых участков. Но модель "пусто/животное", похоже, широко применима для отсева пустых изображений в наборах данных по всему миру", — отмечает Табак.

Исследователи сделали новые модели свободно доступными в виде пакета программного обеспечения в Program R. Пакет позволяет другим пользователям классифицировать свои изображения, содержащие 58 видов из набора данных, а также обучать собственные модели машинного обучения на новых наборах изображений с помощью интуитивного графического интерфейса через пакет Shiny.