Étant donné que les chercheurs marins veulent le faire pour garder un œil sur la taille des populations, l’état de conservation et leurs zones d’habitat importantes, cela pose un certain problème.
Vidéos recommandées
Heureusement, c’est là que le Dr Amanda Hodgson de l’Université Murdoch en Australie entre. Membre de l’unité de recherche sur les cétacés de l’université, Hodgson utilise des drones et des technologies d’apprentissage automatique pour mieux identifier les dugongs dans leur environnement naturel.
L’utilisation de drones pour la photographie aérienne offre une nouvelle façon d’obtenir les images nécessaires au travail de Hodgson, mais soulève le problème de la meilleure façon de repérer les vaches marines sur un grand nombre de photos. C'est à ce moment-là que Hodgson s'est tourné vers l'apprentissage automatique – et l'informaticien de l'Université de technologie du Queensland
Frédéric Maire - pour aider.
Ensemble, ils ont développé un détecteur à l'aide d'une plateforme d'apprentissage automatique open source gratuite. TensorFlow, dans le but d’identifier automatiquement les dugongs sur les photos. Cette méthode devait fonctionner avec des images de complexité variable, telles que celles où les herbiers marins sont visibles sur le fond marin, ou d'autres où des reflets et des crêtes blanches peuvent être vus à la surface de l'eau.
«Nous avons développé un système d'apprentissage automatique efficace pour automatiser la détection des espèces marines dans l'imagerie aérienne», nous a expliqué Maire. « L’efficacité de l’approche peut être attribuée à la combinaison d’une méthode de proposition de région bien adaptée et à l’utilisation de réseaux de neurones profonds. Étant donné une grande image, le module de proposition de région génère une liste de sous-fenêtres de l'image, centrée sur les blobs candidats. Chaque sous-fenêtre est ensuite transmise à un classificateur de réseau neuronal qui prédit si la sous-fenêtre contient ou non un dugong.
La dernière version du détecteur peut détecter 80 % des dugongs dans les images. Nous espérons que ce nombre augmentera à l’avenir.
"La meilleure nouvelle est qu'à mesure que nous alimentons le détecteur avec davantage d'images de dugongs connus et lui indiquons lesquels il s'est trompé, la précision des détections continuera de s'améliorer", a noté Hodgson. "Cette technologie pourrait être appliquée aux enquêtes sur n'importe quelle espèce, à condition de disposer d'un ensemble d'images pour entraîner le détecteur."
Recommandations des rédacteurs
- L'ordinateur portable d'apprentissage automatique de Lambda est un Razer déguisé
- DeepSqueak est une IA d'apprentissage automatique. qui révèle de quoi parlent les rats
- Apprentissage automatique? Les réseaux de neurones? Voici votre guide des nombreuses saveurs de l’IA.
Améliorez votre style de vieDigital Trends aide les lecteurs à garder un œil sur le monde en évolution rapide de la technologie avec toutes les dernières nouvelles, des critiques de produits amusantes, des éditoriaux perspicaces et des aperçus uniques.
