Apa yang Berlaku Apabila Pengiktirafan Muka Digunakan pada Burung? Sains Menjelaskan

Sebagai pemburu, saya telah mendengar bahawa jika anda memberi perhatian dengan teliti kepada bulu kepala pada burung belulang yang berkunjung ke burung pengumpan burung, anda dapat mengenali burung-burung individu. Ini mengganggu saya. Saya juga pergi jauh untuk mencuba melukis burung di pengumpan saya sendiri dan mendapati ini benar, sehingga satu titik.

Sementara itu, dalam kerja saya sebagai seorang saintis komputer, saya tahu bahawa penyelidik lain telah menggunakan teknik pembelajaran mesin untuk mengenali wajah individu dalam imej digital dengan ketepatan yang tinggi.

Projek-projek ini membuat saya berfikir tentang cara untuk menggabungkan hobi saya dengan kerja hari saya. Adakah mungkin untuk menggunakan teknik tersebut untuk mengenal pasti burung individu?

Oleh itu, saya membina alat untuk mengumpul data: sejenis pemakan burung yang disukai oleh burung belatuk dan kamera bergerak gerakan. Saya menubuhkan stesen pemantauan saya di halaman pinggir Virginia saya dan menunggu burung-burung muncul.

Klasifikasi Imej

Klasifikasi imej adalah topik hangat di dunia teknologi. Syarikat-syarikat utama seperti Facebook, Apple dan Google secara aktif meneliti masalah ini untuk menyediakan perkhidmatan seperti carian visual, penandaan rakan-rakan dalam jawatan media sosial dan keupayaan untuk menggunakan muka anda untuk membuka kunci telefon bimbit anda. Agensi penguatkuasaan undang-undang juga sangat berminat, terutamanya untuk mengenali wajah dalam imejan digital.

Apabila saya mula bekerja dengan pelajar saya mengenai projek ini, penyelidikan klasifikasi imej memberi tumpuan kepada teknik yang melihat ciri-ciri imej seperti tepi, sudut dan kawasan warna yang serupa. Ini selalunya keping yang boleh dipasang ke objek yang dikenali. Pendekatan tersebut adalah kira-kira 70 peratus tepat, menggunakan set data tanda aras dengan beratus-ratus kategori dan puluhan ribu contoh latihan.

Penyelidikan terkini telah beralih ke arah penggunaan rangkaian neural tiruan, yang mengenal pasti ciri-ciri mereka sendiri yang terbukti paling berguna untuk klasifikasi yang tepat. Rangkaian saraf dimodelkan dengan sangat lemah pada corak komunikasi di kalangan neuron di dalam otak manusia. Rangkaian neural convolutional, jenis yang kita gunakan sekarang dalam kerja kita dengan burung, diubahsuai dengan cara yang dimodelkan pada korteks visual. Itu menjadikan mereka sangat sesuai untuk masalah klasifikasi imej.

Beberapa penyelidik lain telah mencuba teknik serupa pada haiwan. Saya telah diilhamkan sebahagiannya oleh saintis komputer Andrea Danyluk dari Williams College, yang telah menggunakan pembelajaran mesin untuk mengenalpasti orang-orang salam. Ini berfungsi kerana setiap salamander mempunyai corak tersendiri.

Kemajuan pada ID Burung

Walaupun pelajar dan saya tidak mempunyai hampir banyak imej untuk bekerja sebagai kebanyakan penyelidik dan syarikat lain, kami mempunyai kelebihan beberapa kekangan yang dapat meningkatkan ketepatan pengelas kami.

Semua gambar kami diambil dari perspektif yang sama, mempunyai skala yang sama dan jatuh ke dalam beberapa kategori yang terhad. Semua diberitahu, hanya sekitar 15 spesies yang pernah melawat feeder di kawasan saya. Daripada jumlah tersebut, hanya 10 orang yang sering dilawati cukup untuk menyediakan asas yang berguna untuk melatih pengelas.

Jumlah gambar yang terhad adalah kecacatan yang pasti, tetapi bilangan kecil kategori bekerja dengan nikmat kami. Apabila mengenali sama ada burung dalam gambar itu adalah seekor burung, wren Carolina, kardinal atau sesuatu yang lain, projek awal berdasarkan algoritma pengiktirafan wajah yang mencapai kira-kira 85 peratus ketepatan - cukup baik untuk memastikan kita berminat dalam masalah ini.

Mengenal pasti burung dalam imej adalah contoh tugas "pengelasan halus", yang bermaksud bahawa algoritma cuba membezakan antara objek yang hanya sedikit berbeza antara satu sama lain. Contohnya, banyak burung yang muncul di pengumpan adalah bentuk yang sama, jadi memberitahu perbezaan antara satu spesies dan yang lain boleh menjadi sangat mencabar, bahkan untuk pemerhati manusia yang berpengalaman.

Cabaran hanya mengejar apabila anda cuba mengenal pasti individu. Bagi kebanyakan spesies, ia tidak mungkin. Burung beludru yang saya berminat mempunyai bulu rapi yang kuat tetapi masih sebahagian besarnya sama dari individu ke individu.

Jadi, salah satu daripada cabaran terbesar kami ialah tugas manusia untuk melabel data untuk melatih pengelas kami. Saya mendapati bahawa bulu kepala burung belatuk bawah adalah cara yang boleh dipercayai untuk membezakan antara individu, kerana bulu-bulu bergerak banyak. Mereka digunakan oleh burung untuk menyatakan kerengsaan atau penggera. Walau bagaimanapun, corak tempat pada sayap dilipat lebih konsisten dan seolah-olah berfungsi dengan baik untuk memberitahu satu sama lain. Bulu sayap ini hampir selalu kelihatan dalam imej kita, sementara corak kepala dapat dikaburkan bergantung pada sudut kepala burung.

Pada akhirnya, kami mempunyai 2,450 gambar daripada lapan kayu peluru yang berbeza. Apabila ia mengenalpasti burung belatuk individu, eksperimen kami mencapai ketepatan 97 peratus. Bagaimanapun, hasil itu memerlukan pengesahan selanjutnya.

Bagaimana Ini Bantuan Burung?

Pakar pakar ilmu pengetahuan memerlukan data yang tepat tentang bagaimana populasi burung berubah dari masa ke masa. Memandangkan banyak spesies sangat spesifik dalam keperluan habitat mereka apabila ia membiak, pembiakan dan penghijrahan, data halus boleh berguna untuk memikirkan kesan landskap yang berubah-ubah. Data mengenai spesies individu seperti burung belatuk bawah tanah kemudian dapat dipadankan dengan maklumat lain, seperti peta penggunaan tanah, corak cuaca, pertumbuhan populasi manusia dan lain-lain, untuk lebih memahami banyak spesies tempatan dari masa ke masa.

Saya percaya bahawa stesen pemantauan yang semiautomasi dapat dicapai dengan harga yang sederhana. Stesen pemantauan saya sekitar AS $ 500. Kajian terkini mencadangkan agar dapat melatih pengelas dengan menggunakan kumpulan imej yang lebih luas, kemudian silakan cepat-cepat dan dengan permintaan pengiraan yang munasabah untuk mengenali burung-burung individu.

Projek-projek seperti Cornell Laboratory of Ornithology's eBird telah meletakkan tentera kecil saintis rakyat untuk alasan pemantauan dinamika penduduk, tetapi sebahagian besar data tersebut cenderung dari lokasi di mana orang ramai banyak, dan bukannya dari lokasi yang khusus untuk para saintis.

Pendekatan stesen pengawasan automatik boleh memberikan pengganda daya untuk ahli biologi hidupan liar yang berkenaan dengan spesies tertentu atau lokasi tertentu. Ini akan meluaskan kemampuan mereka untuk mengumpul data dengan intervensi manusia yang minimum.

Artikel ini pada asalnya diterbitkan pada The Conversation oleh Lewis Barnett. Baca artikel asal di sini.