Ant Saunders-Yellow Hearts (lyrics)
Turinys:
Būdamas birderis, aš girdėjau, kad jei atidžiai stebėsite galvijų plunksnas ant paukščių, kurie lankėsi jūsų paukščių tiektuvuose, galite pradėti pažinti atskirus paukščius. Tai mane sudomino. Aš net nuėjau taip, kad pabandžiau pažiūrėti paukščius mano pačių tiektuvuose ir tai buvo tiesa.
Tuo tarpu, dirbdamas kompiuterių mokslininku, aš žinojau, kad kiti mokslininkai naudojo mašinų mokymosi metodus, kad būtų galima atpažinti individualius veidus skaitmeniniuose vaizduose su didele tikslumu.
Šie projektai man galvojo apie būdus, kaip suderinti savo hobį su mano dienos darbu. Ar būtų galima taikyti šiuos metodus atskiriems paukščiams nustatyti?
Taigi, aš sukūriau įrankį, skirtą duomenims rinkti: paukščių šėrimo tipą, kurį puošia šakniastiebiai ir judesio aktyvuota kamera. Stebėjau stebėjimo stotį Virdžinijos priemiesčio kieme ir laukiau, kol paukščiai pasirodys.
Vaizdų klasifikavimas
Vaizdo klasifikacija yra karšta tema technologijų pasaulyje. Pagrindinės kompanijos, tokios kaip „Facebook“, „Apple“ ir „Google“, aktyviai tiria šią problemą ir teikia paslaugas, pvz., Vizualinę paiešką, draugų žymėjimą socialiniuose žiniasklaidos įrašuose ir galimybę naudoti veidą, kad atrakintų savo telefoną. Taip pat labai suinteresuotos teisėsaugos institucijos, visų pirma norint atpažinti skaitmeninių vaizdų veidus.
Kai pradėjau dirbti su savo moksleiviais šiame projekte, vaizdų klasifikavimo tyrimas buvo orientuotas į techniką, kuri apžvelgė vaizdo funkcijas, tokias kaip kraštai, kampai ir panašios spalvos plotai. Tai dažnai yra gabalai, kurie gali būti surinkti į atpažįstamą objektą. Šie metodai buvo maždaug 70 proc. Tikslūs, naudojant lyginamuosius duomenų rinkinius su šimtais kategorijų ir dešimtys tūkstančių mokymo pavyzdžių.
Neseniai atlikti tyrimai nukreipti į dirbtinių neuronų tinklų naudojimą, kurie identifikuoja savo savybes, kurios yra naudingiausios tiksliam klasifikavimui. Neuronų tinklai yra labai laisvai modeliuojami pagal žmogaus smegenų neuronų bendravimo modelius. Konvoliuciniai neuroniniai tinklai, tipai, kuriuos dabar naudojame savo darbui su paukščiais, yra modifikuojami taip, kad būtų modeliuojami regos žievėje. Tai daro juos ypač gerai tinka vaizdų klasifikavimo problemoms.
Kai kurie kiti mokslininkai jau bandė panašius metodus su gyvūnais. Jį iš dalies įkvėpė kompiuterių mokslininkas Andrea Danyluk iš Williamso koledžo, kuris naudojo mašiną mokydamas identifikuoti atskirus dėmėlius. Tai veikia, nes kiekvienas salamandras pasižymi išskirtiniu dėmių pavyzdžiu.
Paukščių ID pažanga
Nors mano studentai ir aš neturėjome beveik tiek daug nuotraukų, kaip dirbti su daugeliu kitų tyrėjų ir įmonių, mes turėjome tam tikrų apribojimų, kurie galėjo padidinti mūsų klasifikatoriaus tikslumą.
Visi mūsų vaizdai buvo paimti iš tos pačios perspektyvos, turėjo tokį pat mastą ir pateko į ribotą kategorijų skaičių. Visi mano, kad tik apie 15 rūšių mano vietovėje lankėsi pašarų. Iš jų tik 10 apsilankė pakankamai dažnai, kad būtų naudingas pagrindas klasifikatoriui mokyti.
Ribotas vaizdų skaičius buvo aiškus trūkumas, tačiau nedidelis kategorijų skaičius dirbo mūsų naudai. Kai atpažino, ar vaizde esantis paukštis buvo chickadee, Karolina, kardinolas ar kažkas kitas, ankstyvas projektas, pagrįstas veido atpažinimo algoritmu, pasiekė apie 85 proc. Tikslumą - pakankamai geras, kad mus domintų problema.
Paveikslėlių paukščių nustatymas yra „smulkiagrūdžio klasifikavimo“ užduoties pavyzdys, o tai reiškia, kad algoritmas bando atskirti vien tik vienas nuo kito šiek tiek skirtingus objektus. Daugelis paukščių, kurie atsiduria pašaruose, yra maždaug tokios pačios formos, todėl, pasakant skirtumą tarp vienos rūšies ir kito, gali būti gana sudėtinga, net ir patyrusiems žmogaus stebėtojams.
Iššūkis iškelia tik tada, kai bandote atpažinti asmenis. Daugumai rūšių tai tiesiog neįmanoma. Mane domina gumbai labai stipriai apsirengę plunksnomis, bet vis dar labai panašūs į individualius.
Taigi vienas iš didžiausių iššūkių buvo žmogaus užduotis ženklinti duomenis, kad galėtume mokyti mūsų klasifikatorių. Aš pastebėjau, kad pūkų gumbų galvos plunksnos nebuvo patikimas būdas atskirti asmenis, nes šios plunksnos daug judėjo. Jie naudoja paukščius, kad išreikštų dirginimą ar aliarmą. Tačiau dėmių raštai ant sulankstytų sparnų yra nuoseklesni ir atrodė, kad jie puikiai dera pasakyti vienas kitam. Šios sparnų plunksnos beveik visada buvo matomos mūsų vaizduose, o galvos modeliai gali būti užtemdyti, priklausomai nuo paukščio galvos kampo.
Galų gale mes turėjome 2450 nuotraukų iš aštuonių skirtingų medžių. Kai buvo atpažįstami individualūs šakniastiebiai, mūsų eksperimentai pasiekė 97 proc. Tikslumą. Tačiau šiam rezultatui reikia toliau tikrinti.
Kaip tai gali padėti paukščiai?
Ornitologams reikia tikslių duomenų apie tai, kaip paukščių populiacijos laikui bėgant keičiasi. Kadangi daugelis rūšių yra labai specifinės savo buveinių poreikiuose, kai kalbama apie veisimą, žiemojimą ir migraciją, smulkūs duomenys gali būti naudingi galvojant apie besikeičiančio kraštovaizdžio poveikį. Duomenys apie atskiras rūšis, pvz., Dumbnykles, galėtų būti suderintos su kita informacija, pvz., Žemės naudojimo žemėlapiais, oro sąlygomis, žmonių populiacijos augimu ir kt., Siekiant geriau suprasti vietinės rūšies gausą.
Manau, kad pusiau automatizuota stebėjimo stotis pasiekia nedidelę kainą. Mano stebėjimo stotis kainuoja apie 500 JAV dolerių. Naujausi tyrimai rodo, kad turėtų būti įmanoma mokyti klasifikatorių, naudojant daug platesnę vaizdų grupę, tada ją greitai ir tiksliai sureguliuoti ir pagrįstus skaičiavimo reikalavimus atpažinti atskirus paukščius.
Tokie projektai kaip „Cornell Laboratory of Ornithology“ „eBird“ sukūrė nedidelę piliečių mokslininkų kariuomenę, kad būtų galima stebėti gyventojų dinamiką, tačiau didžioji šių duomenų dalis dažniausiai būna vietose, kur yra daug žmonių, o ne vietose, kuriose domina mokslininkai.
Automatizuotas stebėjimo stoties metodas galėtų suteikti jėgos daugiklį laukinių gyvūnų biologams, susijusiems su konkrečiomis rūšimis ar konkrečiomis vietomis. Tai padidintų jų gebėjimą rinkti duomenis su minimaliais žmogaus įsikišimais.
Šis straipsnis iš pradžių buvo paskelbtas „Lewis Barnett“ pokalbyje. Skaitykite originalų straipsnį čia.
Paukščių mokslas. Bendra koncepcija apie paukščių dainą
Kodėl kai kurie paukščiai sėkmingiau pritraukia draugus nei kiti? Dvi biologai, turintys patirties elgsenos ir dainų paukščių evoliucijoje, nusprendė ištirti, ar ne monogamiškos poravimosi sistemos tikrai padidina paukščių seksualinę atranką ir ar jos tampa ekstremalesnės, pavyzdžiui, dainos.
Mokslas aiškina ... Kai turėtumėte ir neturėtumėte pasitikėti savo smegenimis
Patarimai paprastai virinami atgaivinant idėją, kad esate geriausias teisėjas. Laikykitės savo širdies, pasitikėkite savo žarnomis, savo paties savimi - visi pasakojimai, kurie iš esmės sako, hey, ką jaučiatės ir ką jūs galvojate, yra visi duomenys, kurių reikia norint priimti gerą sprendimą. Savo kalboje prai ...
Veido atpažinimas policijai yra įjungtas pagal lengvatinę prieigą prie interneto
AT&T teikia teisėsaugos ir pirmuosius reaguotojus visoje Amerikoje su saugiu didelės spartos ryšių tinklu, kuris per ateinančius penkerius metus kainuos 6,5 mlrd. JAV dolerių. Tačiau naujos priemonės kelia susirūpinimą dėl valdžios institucijų privatumo ir viešosios priežiūros.