Omdat mariene onderzoekers dit willen doen om de omvang van de populatie, de staat van instandhouding en hun belangrijke leefgebieden in de gaten te houden, vormt dat een probleem.
Aanbevolen video's
Gelukkig is dit de plek waar dr. Amanda Hodgson van de Australische Murdoch Universiteit zit komt binnen. Hodgson, lid van de Cetacean Research Unit van de universiteit, gebruikt drones en machine learning-technologie om doejongs in hun natuurlijke omgeving beter te identificeren.
Het gebruik van drones voor luchtfotografie biedt een nieuwe manier om de noodzakelijke beelden voor het werk van Hodgson te verkrijgen, maar opent ook het probleem hoe je de zeekoeien het beste kunt herkennen in een groot aantal foto’s. Dit is het punt waarop Hodgson zich tot machine learning wendde – en computerwetenschapper aan de Queensland University of Technology
Frederik Maire - voor hulp.
Samen ontwikkelden ze een detector met behulp van een gratis open-source machine-learningplatform TensorFlow, met als doel doejongs automatisch op foto's te identificeren. Deze methode moest werken met afbeeldingen van verschillende complexiteit, zoals afbeeldingen waarbij zeegras zichtbaar is op de zeebodem, of andere waarin verblinding en witte schuimkoppen op het wateroppervlak te zien zijn.
“We hebben een efficiënt machinaal leersysteem ontwikkeld voor het automatiseren van de detectie van mariene soorten in luchtbeelden”, vertelt Maire. “De effectiviteit van de aanpak kan worden toegeschreven aan de combinatie van een goed passende methode voor het voorstellen van regio’s en het gebruik van diepe neurale netwerken. Gegeven een grote afbeelding genereert de regiovoorstelmodule een lijst met subvensters van de afbeelding, gecentreerd op kandidaat-blobs. Elk subvenster wordt vervolgens doorgestuurd naar een neurale netwerkclassificator die voorspelt of het subvenster al dan niet een doejong bevat.”
De nieuwste versie van de detector kan 80 procent van de doejongs in afbeeldingen vinden. Dat aantal zal hopelijk in de toekomst toenemen.
“Het betere nieuws is dat naarmate we de detector voorzien van meer afbeeldingen van bekende doejongs, en vertellen welke het fout heeft gedaan, de nauwkeurigheid van de detecties zal blijven verbeteren,” merkte Hodgson op. "Deze technologie kan worden toegepast op onderzoeken van welke soort dan ook, zolang je maar begint met een reeks afbeeldingen om de detector te trainen."
Aanbevelingen van de redactie
- Lambda's machine learning-laptop is een vermomde Razer
- DeepSqueak is een machinaal lerende A.I. dat onthult waar ratten over praten
- Machinaal leren? Neurale netwerken? Hier is je gids voor de vele smaken van A.I.
Upgrade uw levensstijlMet Digital Trends kunnen lezers de snelle technische wereld in de gaten houden met het laatste nieuws, leuke productrecensies, inzichtelijke redactionele artikelen en unieke sneak peeks.
