Европейские исследователи представили систему компьютерного зрения, которая может определять животных в естественной среде обитания на снимках, сделанных с большой высоты. Алгоритм разработан при помощи активного обучения и может правильно определить животное с вероятностью 75 процентов. Препринт статьи опубликован на сайте arXiv.

Саванны отличаются частыми переменами климата: засушливые периоды резко сменяются долгим дождливым сезоном. Из-за таких изменений и обилия пасущихся животных травяной покров местности может сильно пострадать в периоды обильной засухи или лесных пожаров. Поэтому людям, которые следят за состоянием природы саванн, необходимо строго учитывать популяцию животных. Обычно для такого мониторинга используют специальные камеры или вертолеты. Такие методы, однако, не всегда эффективны: камеры, расставленные в определенных местах, часто не покрывают всю изучаемую территорию, а использование вертолетов обходится дорого. Кроме того, подобный анализ местности также требует большого количества специалистов.

Авторы новой работы предложили метод мониторинга животных в дикой природе, основанный на активном обучении (машинном обучении, в ходе которого разработчик активно участвует в процессе, размечая данные и регулируя качество работы). Для этого они разработали систему компьютерного зрения, которая может распознавать животных на фотографиях, сделанных с большой высоты. Для тренировки новой системы были взяты 6500 фотографий местности, снятых с помощью дрона в резервации Кузикус в Намибии, территория которой составляет 103 квадратных километра, а общее число животных, на ней проживающей, превышает три тысячи. Фотографии были сделаны в 2014 году в рамках проекта SAVMAP, направленного на картирование местности намибийских саванн.

Из всех имеющихся изображений исследователи отобрали 10 процентов (654 случайных снимков) и попросили 272 добровольцев вручную разметить на них животных, обведя их красным многоугольником (всего они выделили более семи тысяч животных, а каждое животное было отмечено как минимум тремя добровольцами). Используя размеченные изображения, исследователи затем научили систему компьютерного зрения выделять на изображениях объекты (животных) и фон. Затем исследователи вручную выявили ложно-положительные (кадры фона, выделенные в качестве объекта) и ложно-отрицательные (объекты, выделенные в качестве фона) кадры. В итоге система машинного зрения научилась правильно определять животных в 75 процентах случаев.

Исследователи также сравнили работу алгоритма на изображениях, сделанных утром и днем. Из-за разного освещения распределение теней, отбрасываемых животными и объектами на фоне, может некорректно отразиться на работе алгоритма. Так, из 176 животных система машинного зрения корректно определила 119 на утренних фотографиях и 82 — на дневных. Это позволило ученым сделать вывод о том, что для корректной работы алгоритма лучше использовать снимки, сделанные в утреннее время.

Несмотря на то, что алгоритм нуждается в доработке, ученые уверены, что использование такого алгоритма машинного зрения для определения животных на фотографиях, сделанных дронами, может во многом помочь контролировать обитаемость саванн без лишних человеческих и финансовых затрат.

Исследователи часто используют дронов для изучения дикой природы. Так, в нашей заметке вы можете прочитать о том, как дронов используют для лечения луговых собачек.

Источник: socportal.info