Kaj se zgodi, ko se pri pticah uporablja prepoznavanje obraza? Znanost pojasnjuje

Kot piščanca sem slišal, da če bi skrbno pazili na glave perja na puhastih detli, ki so obiskali hranilnice za ptice, bi lahko začeli prepoznati posamezne ptice. To me je zanimalo. Šel sem celo daleč, da sem poskušal risati ptice v lastnih hranilnicah in ugotovil, da je to res do določene mere.

Medtem pa sem v svojem dnevnem delu kot računalniški znanstvenik vedel, da so drugi raziskovalci s tehnikami strojnega učenja prepoznali posamezne obraze v digitalnih slikah z visoko stopnjo natančnosti.

Zaradi teh projektov sem razmišljal o načinih, kako združiti svoj hobi s svojim dnevnim delom. Ali bi bilo mogoče uporabiti te tehnike za identifikacijo posameznih ptic?

Torej, zgradil sem orodje za zbiranje podatkov: vrsto napajalnika za ptice, ki ga dajejo žolne in kamera, ki aktivira gibanje. Postavil sem svojo postajo za spremljanje na svojem predmestnem obrobju v Virginiji in čakal, da se ptice pokažejo.

Razvrstitev slik

Klasifikacija slik je vroča tema v tehnološkem svetu. Večje družbe, kot so Facebook, Apple in Google, dejavno raziskujejo ta problem, da bi zagotovile storitve, kot so vizualno iskanje, samodejno označevanje prijateljev na mestih v družabnih medijih in možnost uporabe vašega obraza za odklepanje vašega mobilnega telefona. Organi kazenskega pregona so prav tako zelo zainteresirani, predvsem za prepoznavanje oseb v digitalnih posnetkih.

Ko sem začel delati s svojimi študenti na tem projektu, se je raziskava o klasifikaciji slik osredotočila na tehniko, ki je gledala na značilnosti slike, kot so robovi, vogali in področja podobne barve. To so pogosto kosi, ki jih je mogoče sestaviti v neki prepoznavni objekt. Ti pristopi so bili približno 70-odstotno natančni, z uporabo primerjalnih podatkovnih sklopov s stotinami kategorij in več deset tisoč primeri usposabljanja.

Nedavne raziskave so se preusmerile k uporabi umetnih nevronskih mrež, ki identificirajo svoje lastne značilnosti, ki se izkažejo za najbolj uporabne za natančno klasifikacijo. Nevronske mreže so zelo ohlapno modelirane na vzorce komunikacije med nevroni v človeških možganih. Konvolucijske nevronske mreže, tip, ki ga sedaj uporabljamo pri delu s pticami, so modificirane na način, ki je bil modeliran na vizualni korteks. Zaradi tega so še posebej primerne za težave s klasifikacijo slik.

Nekateri drugi raziskovalci so že poskusili podobne tehnike na živalih. Navdihnila me je predvsem računalniška strokovnjakinja Andrea Danyluk iz Williams Collegea, ki je z uporabo strojnega učenja identificirala posamezne pikčaste salamandre. To deluje zato, ker ima vsak slanec značilen vzorec madežev.

Napredek pri identifikaciji ptic

Medtem ko moji učenci in jaz nismo imeli skoraj toliko slik, da bi lahko sodelovali z večino drugih raziskovalcev in podjetij, smo imeli prednost zaradi nekaterih omejitev, ki bi lahko povečale natančnost našega klasifikatorja.

Vse naše podobe so bile vzete iz iste perspektive, enakega obsega in padle v omejeno število kategorij. Vse skupaj je samo 15 vrst kdajkoli obiskalo hrano na mojem območju. Od teh jih je le 10 obiskalo dovolj pogosto, da so zagotovile koristno podlago za usposabljanje klasifikatorja.

Omejeno število slik je bilo nedvomno omejeno, vendar je bilo majhno število kategorij v našo korist. Ko je prišlo do spoznanja, ali je ptica na sliki chickadee, karolina wren, kardinal ali kaj drugega, zgodnji projekt, ki je temeljil na algoritmu za prepoznavanje obraza, je dosegel približno 85-odstotno natančnost - dovolj dobro, da nas zanima problem.

Identificiranje ptic na slikah je primer naloge „fine grained classification“, kar pomeni, da algoritem poskuša razlikovati med predmeti, ki se med seboj le malo razlikujejo. Številne ptice, ki se pojavijo na hranilnicah, so na primer približno enake oblike, tako da je lahko razlika med eno vrsto in drugo različna, celo za izkušene človeške opazovalce.

Izziv se samo poveča, ko poskušate identificirati posameznike. Za večino vrst preprosto ni mogoče. Žolne, ki sem jih zanimala, imajo močno vzorec perja, vendar so še vedno precej podobne od posameznika do posameznika.

Zato je bila ena naših največjih izzivov človeška naloga označevanja podatkov za usposabljanje našega klasifikatorja. Ugotovil sem, da peresa glave puhastih žolnih niso zanesljiv način za razlikovanje med posamezniki, saj se ta perja veliko gibljejo. Ptice jih uporabljajo za izražanje draženja ali alarma. Vendar pa so vzorci madežev na zloženih krilih bolj dosledni in se zdijo v redu, če povemo enega od drugega. Ta krilata perja so bila skoraj vedno vidna na naših slikah, medtem ko so bili vzorci glave lahko zakriti, odvisno od kota ptičje glave.

Na koncu smo imeli 2450 slik osmih različnih žolnih. Pri ugotavljanju posameznih deteljev so naši poskusi dosegli 97-odstotno natančnost. Vendar je treba ta rezultat dodatno preveriti.

Kako lahko to pomaga pticam?

Ornitologi potrebujejo natančne podatke o tem, kako se populacije ptic sčasoma spreminjajo. Ker so številne vrste v svojih habitatnih potrebah zelo specifične, ko gre za vzrejo, prezimovanje in migracijo, bi lahko drobni podatki koristili za razmišljanje o učinkih spreminjajočega se okolja. Podatke o posameznih vrstah, kot so puhasti žolni, bi lahko nato primerjali z drugimi informacijami, kot so zemljevidi rabe tal, vremenski vzorci, rast populacije ljudi in tako naprej, da bi bolje razumeli številčnost lokalne vrste skozi čas.

Menim, da je polavtomatska nadzorna postaja dosegljiva z majhnimi stroški. Moja nadzorna postaja je stala približno 500 USD. Nedavne študije kažejo, da bi bilo treba usposobiti klasifikatorja z veliko širšo skupino slik, nato pa ga hitro prilagoditi in z razumnimi računalniškimi zahtevami prepoznati posamezne ptice.

Projekti, kot je eBird Laboratorija za ornitologijo Cornell, so na terenu postavili majhno vojsko državljanov za spremljanje populacijske dinamike, vendar je večina teh podatkov večinoma iz lokacij, kjer so ljudje številni, in ne iz lokacij, ki so zanimive za znanstvenike.

Pristop avtomatizirane postaje za spremljanje bi lahko zagotovil multiplikator sile za biologe, ki se ukvarjajo s specifičnimi vrstami ali določenimi lokacijami. To bi razširilo njihovo zmožnost zbiranja podatkov z minimalnim človeškim posredovanjem.

Ta članek je bil prvotno objavljen na pogovoru Lewisa Barnetta. Preberite izvirni članek tukaj.