خانه --> یادگیری عمیق و یادگیری ماشین --> شناسایی خودکار حیوانات در تحقیقات حیات وحش با یادگیری ماشین

شناسایی خودکار حیوانات در تحقیقات حیات وحش با یادگیری ماشین

شناسایی خودکار حیوانات در تحقیقات حیات وحش

یک برنامه جدید که توسط محققان از ایالت پن و مایکروسافت Azure توسعه یافته است، به طور خودکار مناطق مورد علاقه حیوانات در تصاویر را تشخیص می دهد .

حین تحقیقات حیات وحش و در پردازش تصاویر گرایش های جدی ومناطق مورد علا قه حیوانات مورد شناسایی قرارگرفت. دراین تحقیق که به صورت موردی درباره زرافه صورت پذیرفت حتی زمانی که زرافه منطقه کوچکی از عکس را اشغال کرد یا زمانی که بخشی از پوشش گیاهی آن بود با موفقیت مناطق ناشناخته منحصر به فرد در عکس ها را شناسایی ومعرفی کرد.


 زیست شناسان حیات وحش از ایالت پنجم آمریکا با دانشمندان مایکروسافت لاوره، سرویس محاسبات ابری، با استفاده از تکنولوژی یادگیری ماشین به منظور بهبود نحوه تبدیل عکس ها به داده های قابل استفاده برای تحقیقات حیات وحش، شرکت کردند.

این روش اتوماتیک جدید محققان حیات وحش که وابسته به عکس است برای تهیه عکس های دیجیتال جهت تجزیه و تحلیل، ، برای شناسایی حیوانات خاص با نشانه های منحصر به فرد خود، مورد استفاده قرار گرفت .

شناسایی خودکار
شناسایی خودکار

درک لی ، استاد پژوهشی علوم زیست شناسی در ایالت پن و دانشمند اصلی مؤسسه طبیعت وحشی معتقد است بسیاری از محققان به جای تگ ها و دیگر علائم استفاده شده توسط انسان که می تواند رفتار حیوان را تحت تأثیر قرار دهد ، بایدنسبت به شناسایی و جمع آوری داده ها درباره مواردخاص در کار خود را، از جمله برای برآورد بقا، تولید مثل، و جنبش . سایر موارد را با استفاده ازاین روش جدید اقدام نمایند .

بسیاری از محققان عکس هایی از نشانه های منحصر به فرد حیوانات را می گیرند. از آنجا که ما اغلب هزاران عکس برای انجام داریم و همه عکس ها باید به صورت دستی برای تجزیه و تحلیل آماده شوند ، که این امر باعث تنگنا ی جدی می شود.

لی از عکس ها به عنوان بخشی از یک مطالعه گسترده در حال انجام برای شناختن تولدها، مرگ و میر و حرکت بیش از ۳۰۰۰ زرافه در شرق آفریقا استفاده می کند. او و تیم او عکس های دیجیتال از الگوهای منحصر به فرد و غیر قابل تغییر هر حیوان را برای شناسایی آنها در طول زندگی خود گرفته اند.

لی با دانشمندان مایکروسافت همکاری کرده است که یک سرویس پردازش تصویری جدید را برای بهینه سازی این فرآیند ضروری و وقت گیر با استفاده از تکنولوژی یادگیری ماشین که در ابر مایکروسافت لاجورد مستقر شده است، ارائه دهد. تیم مایکروسافت با استفاده از یک الگوریتم کامپیوتری برای تشخیص شی، یک برنامه برای شناسایی زرافه با استفاده از عکس های موجود که با دست حاشیه نویسی شده بود آموزش داد. این برنامه با استفاده از یک فرایند یادگیری فعال بهبود یافت و در آن سیستم مربع های پیش بینی شده بر روی تصاویر جدید را به یک فرد نشان داد که بتواند نتایج را به سرعت تایید یا اصلاح کند. سپس این تصاویر جدید دوباره به الگوریتم آموزش بازگردانده شد تا برنامه را به روز و بهبود یابد. در نتیجه مکان گردش زرافه در تصاویر با دقت بسیار بالا، حتی زمانی که زرافه قسمت کوچکی از تصویر است یا لگن آن تا حدی توسط پوشش گیاهی مسدود شده است. مورد شناسایی قرارگروفت و نرم افزار تشخیص الگو برای شناسایی حیوانات طراحی گردید

اما قبل از اینکه تصاویر را با استفاده از نرم افزار تشخیص الگو برای شناسایی حیوانات مورد پردازش قرار گیرد ، تیم تحقیقاتی باید هر عکس را به صورت دستی برش دهد یا زمینه ای را به نمایش بگذارد.

یک هفته برای پردازش عکس های جدید ما لازم بود حال آنکه اکنون در عرض چند دقیقه انجام می شود. این سیستم ما را به شناسایی کامل حیوانات با استفاده از عکس ها نزدیکتر می کند.

لی گفت: فوق العاده است که تیم Azure این جنبه ی خسته کننده از کار ما را خودکار کرد ” با استفاده ازاین سیستم شناخت کامل زرافه بدون نیاز به سخت افزار گران قیمت مانند یک دستگاه پردازش گرافیکی اختصاصی اختصاص یافته است. سیستم جدید به طور چشمگیری باعث می شود تحقیقات لی در مورد جمعیت زرافه، که به دلیل از دست دادن زیستگاه و قاچاق غیر قانونی گوشت به سرعت در سراسر آفریقا کاهش یافته است، سرعت بخشد.

زرافه یکی ازحیوانات بزرگ است و آنها محدوده ومسافت های بزرگی را پوشش می دهند . طبیعتا ما ازاین داده های استفاده می کنیم تا یاد بگیریم که چرادربعضی مکانها نیستند. بنابراین ما می توانیم زمینه های مهم حفاظت زرافه را حفاظت و پوشش دهیم

برای انجام این کار نیاز به ابزارهای جدید داشتیم که پیوندهماهنگ با فناوری Azureاین امکان رابرای ما فراهم کرد.

استفاده از این فرایند برای محققین مطالعه حیوانات دیگر با الگوهای شناسایی منحصر به فرد از جمله برخی از گربه های وحشی، فیل ها، ماهی، پنگوئن ها و پستانداران دریایی مفید خواهد بود.از این سیستم می توان برای شناسایی و برداشتن یک عکس به یک منطقه مورد علاقه خاص مورد استفاده قرار داد.

علاوه بر لی، تیم تحقیقاتی Patrick Buehler، Bill Carroll، Ashish Bhatia و Vivek Gupta در مایکروسافت لاورو است. این کار بخشی از باغ وحش ساکرامنتو، باغ وحش کلمبوس، باغ وحش سینسیناتی، سافاری غرب، تیر پارک برلین و باغ وحش تولسا بود.

عباس حسین آبادی

آدرس کانال تلگرام سایت بیگ دیتا:

t.me/bigdata_channel

آدرس کانال سروش ما:
https://sapp.ir/bigdata_channel

جهت دیدن سرفصل های دوره های آموزشی بر روی اینجا کلیک کنید.

 

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *