해양 연구자들은 인구 규모, 보존 상태 및 중요한 서식지 지역을 감시하기 위해 그렇게 하기를 원하기 때문에 약간의 문제가 있습니다.
추천 동영상
다행히 이곳은 호주 머독대학교의 아만다 호지슨(Amanda Hodgson) 박사가 들어 온다. 대학 고래 연구 부서의 일원인 Hodgson은 자연 환경에서 듀공을 더 잘 식별하기 위해 드론과 기계 학습 기술을 사용해 왔습니다.
항공 사진 촬영에 드론을 사용하면 Hodgson의 작업에 필요한 이미지를 얻을 수 있는 새로운 방법이 제공되지만, 수많은 사진에서 바다소를 가장 잘 발견할 수 있는 방법에 대한 문제가 발생합니다. 이것이 바로 Hodgson이 기계 학습으로 전환한 지점이며 Queensland University of Technology 컴퓨터 과학자입니다. 프레데릭 마이어 - 도와주기 위해.
그들은 함께 무료 오픈 소스 기계 학습 플랫폼을 사용하여 탐지기를 개발했습니다. 텐서플로우, 사진 속 듀공을 자동으로 식별하는 것을 목표로 합니다. 이 방법은 해저에 해초가 보이는 이미지나 물 표면에 눈부심과 흰 모자가 보이는 이미지와 같이 다양한 복잡성의 이미지를 처리해야 했습니다.
Maire는 “우리는 항공 사진에서 해양 생물 탐지를 자동화하기 위한 효율적인 기계 학습 시스템을 개발했습니다.”라고 말했습니다. “이 접근 방식의 효율성은 잘 적합한 지역 제안 방법과 심층 신경망의 사용을 결합한 덕분이라고 할 수 있습니다. 큰 이미지가 주어지면 영역 제안 모듈은 후보 블롭을 중심으로 이미지의 하위 창 목록을 생성합니다. 그런 다음 각 하위 창은 하위 창에 듀공이 포함되어 있는지 여부를 예측하는 신경망 분류기에 입력됩니다.”
최신 버전의 탐지기는 이미지에서 듀공의 80%를 찾을 수 있습니다. 그 숫자는 앞으로 더 늘어날 것으로 예상됩니다.
Hodgson은 "더 좋은 소식은 우리가 알려진 듀공의 더 많은 이미지를 탐지기에 공급하고 어느 것이 잘못되었는지 알려주면 탐지의 정확도가 계속 향상될 것이라는 점입니다"라고 Hodgson은 말했습니다. "이 기술은 탐지기를 훈련하기 위한 이미지 세트를 시작하는 한 모든 종의 조사에 적용될 수 있습니다."
편집자의 추천
- Lambda의 기계 학습 노트북은 변장한 Razer입니다.
- DeepSqueak은 머신러닝 AI입니다. 쥐들이 무슨 이야기를 하는지 알려준다
- 머신러닝? 신경망? A.I의 다양한 맛에 대한 가이드는 다음과 같습니다.
당신의 라이프스타일을 업그레이드하세요Digital Trends는 독자들이 모든 최신 뉴스, 재미있는 제품 리뷰, 통찰력 있는 사설 및 독특한 미리보기를 통해 빠르게 변화하는 기술 세계를 계속해서 살펴볼 수 있도록 도와줍니다.
