ملانی کلاپام یک فرد متوسط نیست. وی به عنوان یک زیست شناس خرس ، بیش از یک دهه را صرف مطالعه این خرس های گریزلی کرده است که در نایت اینتل در بریتیش کلمبیا ، کانادا زندگی می کنند و با توجه به چیزهای کوچکی که آنها را متفاوت می کند ، حس کسی را ایجاد می کند.
وی گفت: “من از خصوصیات فردی استفاده می کنم – مثلاً ، یک خرس در گوش خود یک لقمه یا یک زخم در بینی دارد.”
وی توضیح داد که ردیابی خرس ها مهم است زیرا می تواند به تحقیق و حفاظت از گونه ها کمک کند. دانستن اینکه کدام خرس است که حتی می تواند به مشکلاتی مانند کشف اینکه آیا یک گریزلی خاص در سطل های زباله قرار می گیرد یا به دام های یک کشاورز حمله می کند کمک کند. چندین سال پیش Clapham این سeringال را مطرح کرد که آیا فناوری معمولاً برای شناسایی انسان می تواند به شما کمک کند:
ساخت یک مجموعه داده گریزلی
میلر گفت: “این روش بهتر از ما است.”
تشخیص چهره در مزرعه
وی توضیح داد که گاوهای گوشتی در طول زندگی خود از افراد و مکانهای مختلفی عبور می کنند ، از تولیدکنندگان گرفته تا عملیات چراگاه برای تغذیه مقدار زیادی و سپس گیاهان بسته بندی گوشت. پیگیری زیادی بین آنها وجود ندارد ، و این مسئله بررسی مشکلات مانند بیماریهای حیوانی را که می تواند دام را ویران کند و همچنین به مردم آسیب برساند دشوار می کند. هوگلند انتظار دارد این برنامه تا پایان سال در دسترس باشد.
وی گفت: “توانایی ردیابی آن حیوان بیمار ، یافتن منبع آن ، قرنطینه کردن آن ، ردیابی تماس – تمام مواردی که در مورد ویروس کرونا صحبت می کنیم مواردی است که می توانیم با حیوانات نیز انجام دهیم.”
هوگلند به سراغ KC اولسون ، استاد دانشگاه ایالتی کانزاس ، رفت که وی گروهی از متخصصان را در این دانشکده در مناطقی مانند علوم دامپزشکی و علوم کامپیوتر دور هم جمع کرد تا تصاویر گاوها را جمع آوری کند تا یک پایگاه داده برای آموزش و آزمایش سیستم AI ایجاد کند. آنها در مارس یک سیستم اثبات مفهوم ساختند که شامل بیش از 135000 تصویر از 1000 گاو گوشت گاو جوان بود. اولسون گفت: این در شناسایی حیوانات 94٪ دقیق است ، چه آنها را قبلا دیده باشد یا نه.
وی گفت که این به مراتب بهتر از آن چیزی است که با برچسب ها و خوانندگان RFID دیده است ، که وقتی گاوها به طور متراکم بسته بندی می شوند ، عملکرد خوبی ندارند.
وی گفت: “این یک جهش بزرگ به جلو است.”
طلا برای شکارچیان غیرمجاز
اگرچه تشخیص چهره برای حیوانات با همان حریم خصوصی ، تعصب و نظارت در افراد همراه نیست ، اما موارد بی نظیری وجود دارد که باید در نظر گرفت.
وی گفت: “آنچه برای دانشمندان و مدیران حفاظت عالی است همچنین برای شکارچیان حیات وحش طلا است.”
به این دلیل که یک شکارچی غیرمجاز می تواند از تصاویر حیوانات ، همراه با داده هایی مانند مختصات GPS که ممکن است به عکس ها متصل باشد ، برای یافتن آنها استفاده کند.
همچنین برای جمع آوری تعداد زیادی از تصاویر حیوانات منفرد – از دیدگاه های مختلف ، در شرایط نوری مختلف ، بدون انسداد مانند گیاهان ، که به طور مکرر و به مرور زمان گرفته شده اند – برای آموزش شبکه های AI وجود دارد.
جین ، که دیگر روی آن پروژه کار نمی کند ، گفت که جمع آوری عکس های کافی از حیوانات مخصوصاً مشکل است – به خصوص با لمورها ، که ممکن است در یک درخت جمع شوند. وی خاطرنشان کرد ، شبکه های تشخیص چهره برای انسان ها ممکن است با میلیون ها عکس از صدها هزار نفر آموزش ببینند. BearID تاکنون فقط به کسری مانند تحقیقات جین اعتماد کرده است.
Clapham گفت که او تصاویر بیشتری از برخی خرس ها نسبت به دیگران دارد ، بنابراین تیم او در تلاش است تعداد بیشتری از خرس هایی را که در مجموعه داده کمتر نشان داده شده اند ، بدست آورد. محققان همچنین می خواهند سیستم AI خود را در مورد تصاویر دوربین های تله ای ، دوربینهایی مجهز به سنسور و چراغ و قرار داده شده در بیابانی که حیوانات ممکن است در آنجا سرگردان باشند ، ضبط ویدئوها را آموزش دهند. آنها در حال بررسی این موضوع هستند که چگونه BearID می تواند فراتر از خرس به حیوانات دیگر نیز برسد.
Clapham گفت: “واقعاً هر گونه گونه ای كه بتوانیم اطلاعات آموزشی خوبی برای آن بدست آوریم ، به طور بالقوه باید بتوانیم این نوع تشخیص چهره را نیز توسعه دهیم.”
