Компьютерная модель, разработанная в Университете Вайоминга исследователями UW и прочими специалистами, продемонстрировала поразительную точность и эффективность в идентификации изображений диких животных с фотографий, сделанных фотоловушками в Северной Америке.
Уникальный проект
Прорыв в области развития искусственного интеллекта, подробно описанный в научной статье, опубликованной в журнале Methods in Ecology and Evolution, является огромным прогрессом в изучении и сохранении дикой природы. Компьютерная модель теперь доступа в пакете программного обеспечения для Program R - широко известного языка программирования и бесплатного программного обеспечения для проведения статических вычислений.
"Возможность быстро идентифицировать сотни изображений, полученных с фотоловушек, может коренным образом изменить подход экологов к разработке и реализации исследований дикой природы," - говорится в статье, авторы которой - выпускники кафедры зоологии и физиологии UW Майкл Табак и Райан Миллер, работающие в Центре эпидемиологии и здоровья животных Министерства сельского хозяйства США в Форт-Коллинзе, Колорадо.
Точность и эффективность исследования
Исследование основывается на научно-исследовательской работе UW, опубликованной немногим ранее в этом году в материалах Национальной Академии наук (PNAS), в которых компьютерная модель проанализировала 3,2 миллиона фото, полученных с фотоловушек, установленных в Африке согласно гражданскому научному проекту под названием Snapshot Serengeti.
В последних исследованиях ученые обучили глубокую нейронную сеть классифицировать виды диких животных по 3,37 миллиона фотографий 27 видов животных, полученных с фотоловушек, расположенных в пяти штатах США. Программа была протестирована на 375 тысячах изображений животных, демонстрируемых со скоростью около 2000 изображений в минуту с портативного компьютера, и показала результат с 97,6 % точности - вероятно, данный показатель один из самых высоких на сегодняшний день при использовании машинного обучения для классификации изображений дикой природы.
Возможности программы
Исследователи включили свои модели в бесплатный пакет программного обеспечения в Program R. Пакет программ "Машинное обучение для классификации изображений дикой природы в R (MLWIC)" позволяет пользователям не только классифицировать их изображения на основании 27 видов, содержащихся в пакете данных, но и обучать свои собственные модели распознаванию изображений с новых пакетов данных.
В исследовательскую группу, предоставившую результаты исследований, входят такие организации, как Национальный исследовательский центр дикой природы Министерства сельского хозяйства США, Университет штата Аризона, Университет Флориды, Университет Джорджии, Университет Монтаны и многие другие.
