Deoarece cercetătorii marini doresc să facă acest lucru pentru a ține evidența cu privire la mărimea populației, starea de conservare și zonele lor importante de habitat, asta ridică o mică problemă.
Videoclipuri recomandate
Din fericire, aici este dr. Amanda Hodgson de la Universitatea Murdoch din Australia intră. Membru al Unității de Cercetare a Cetaceilor a universității, Hodgson a folosit drone și tehnologie de învățare automată pentru a identifica mai bine dugongii în mediul lor natural.
Folosirea dronelor pentru fotografia aeriană oferă o nouă modalitate de a obține imaginile necesare pentru munca lui Hodgson, dar deschide problema modului în care se pot observa cel mai bine vacile de mare într-un număr masiv de fotografii. Acesta este punctul în care Hodgson s-a orientat către învățarea automată - și informaticianul de la Queensland University of Technology
Frederic Maire - pentru ajutor.
Împreună, au dezvoltat un detector folosind platforma de învățare automată open-source TensorFlow, cu scopul de a identifica automat dugongii din fotografii. Această metodă a trebuit să funcționeze cu imagini de complexitate diferită, cum ar fi cele în care iarba de mare este vizibilă pe fundul mării sau altele în care strălucirea și calotele albe pot fi văzute pe suprafața apei.
„Am dezvoltat un sistem eficient de învățare automată pentru automatizarea detectării speciilor marine în imaginile aeriene”, ne-a spus Maire. „Eficacitatea abordării poate fi atribuită combinației dintre o metodă de propunere a regiunii bine potrivită și utilizarea rețelelor neuronale profunde. Având în vedere o imagine mare, modulul de propunere de regiune generează o listă de subferestre ale imaginii, centrate pe blob-uri candidate. Fiecare sub fereastră este apoi transmisă unui clasificator de rețea neuronală care prezice dacă subfereastra conține sau nu un dugong.”
Cea mai recentă versiune a detectorului poate găsi 80% din dugongi în imagini. Acest număr va crește, sperăm, în viitor.
„Veștile mai bune sunt că, pe măsură ce alimentăm detectorul cu mai multe imagini ale dugongilor cunoscuți și îi spunem care dintre ele au greșit, acuratețea detecțiilor va continua să se îmbunătățească”, a menționat Hodgson. „Această tehnologie ar putea fi aplicată la sondaje ale oricărei specii, atâta timp cât începeți cu un set de imagini pentru a antrena detectorul.”
Recomandările editorilor
- Laptopul de învățare automată al lui Lambda este un Razer deghizat
- DeepSqueak este un IA pentru învățare automată. care dezvăluie despre ce vorbesc șobolanii
- Învățare automată? Rețele neuronale? Iată ghidul tău pentru numeroasele arome ale A.I.
Îmbunătățește-ți stilul de viațăDigital Trends îi ajută pe cititori să țină cont de lumea rapidă a tehnologiei cu toate cele mai recente știri, recenzii distractive despre produse, editoriale perspicace și anticipări unice.
