Droni, mašīnmācīšanās palīdz izglābt apdraudētās jūras govis

apdraudētās jūras govs drons ml lamantīns pasaules orlando 10. martā
Ahodges7 CC
Viena lieta ir vēlēties aizsargāt apdraudētos dzīvniekus, bet cita lieta ir tiem sekot līdzi. Piemērs: dugongs, vidēja izmēra jūras zīdītājs, ko bieži dēvē par jūras govi. Tie var būt jauki, taču tos pamanīt lielās ūdenstilpēs ir vieglāk pateikt nekā izdarīt.

Tā kā jūras pētnieki vēlas to darīt, lai saglabātu informāciju par populācijas lielumu, aizsardzības statusu un to svarīgām dzīvotņu teritorijām, tas rada zināmas problēmas.

Ieteiktie videoklipi

Par laimi, šeit atrodas doktore Amanda Hodžsone no Austrālijas Mērdokas universitātes ienāk. Universitātes Vaļveidīgo pētniecības nodaļas loceklis Hodžsons ir izmantojis dronus un mašīnmācības tehnoloģijas, lai labāk identificētu dugongus to dabiskajā vidē.

Dronu izmantošana aerofotografēšanai piedāvā jaunu veidu, kā iegūt Hodžsona darbam nepieciešamos attēlus, taču atklāj problēmu, kā vislabāk pamanīt jūras govis milzīgā fotogrāfiju skaitā. Tas ir punkts, kurā Hodžsons pievērsās mašīnmācībai un Kvīnslendas Tehnoloģiju universitātes datorzinātniekam Frederiks Mairs - palīdzībai.

atrast_jūras_govs_risinājumu

Kopā viņi izstrādāja detektoru, izmantojot bezmaksas atvērtā koda mašīnmācības platformu TensorFlow, lai fotoattēlos automātiski identificētu dugonus. Šai metodei bija jādarbojas ar dažādas sarežģītības attēliem, piemēram, tādiem, kur jūras dibenā ir redzama jūraszāle, vai citiem, kur ūdens virsmā ir redzami atspīdumi un baltie vāciņi.

"Mēs izstrādājām efektīvu mašīnmācības sistēmu, lai automatizētu jūras sugu noteikšanu gaisa attēlos," pastāstīja Maire. "Pieejas efektivitāti var izskaidrot ar labi piemērotas reģiona ierosināšanas metodes un dziļo neironu tīklu izmantošanas kombināciju. Ja attēls ir liels, reģiona priekšlikuma modulis ģenerē attēla apakšlogu sarakstu, kura centrā ir kandidātu lāses. Katrs apakšlogs pēc tam tiek ievadīts neironu tīkla klasifikatorā, kas paredz, vai apakšlogā ir vai nav dugonga.

Jaunākā detektora versija attēlos var atrast 80 procentus dugongu. Cerams, ka nākotnē šis skaits pieaugs.

"Labākā ziņa ir tā, ka, jo mēs detektoram pievienojam vairāk zināmu dugongu attēlu un pasakām, kuri attēli ir nepareizi, noteikšanas precizitāte turpinās uzlaboties," atzīmēja Hodžsons. "Šo tehnoloģiju var izmantot jebkuras sugas apsekojumos, ja vien sākat ar attēlu kopu, lai apmācītu detektoru."

Redaktoru ieteikumi

  • Lambda mašīnmācības klēpjdators ir slēpts Razer
  • DeepSqueak ir mašīnmācības A.I. kas atklāj, par ko žurkas pļāpā
  • Mašīnmācība? Neironu tīkli? Šeit ir jūsu ceļvedis par daudzajām A.I garšām.

Uzlabojiet savu dzīvesveiduDigitālās tendences palīdz lasītājiem sekot līdzi steidzīgajai tehnoloģiju pasaulei, izmantojot visas jaunākās ziņas, jautrus produktu apskatus, ieskatu saturošus rakstus un unikālus ieskatus.