คอมพิวเตอร์บรรลุความสำเร็จสำหรับในการฝึกหัดเพื่อเจาะจงสัตว์ในภาพถ่าย

ความรุ่งเรืองทางปัญญาประดิษฐ์รายละเอียดในบทความที่เผยแพร่ในวารสารทางวิทยาศาสตร์ในนิเวศวิทยาและพัฒนาการชี้แจงว่าเป็นความเจริญที่สำคัญในการศึกษาวิจัยแล้วก็การอนุรักษ์และรักษาสัตว์ป่า ช่วงนี้มีโมเดลคอมพิวเตอร์อยู่ในชุดซอฟต์แวร์สำหรับโปรแกรม ซึ่งเป็นภาษาทางการโปรแกรมที่ใช้กันอย่างแพร่หลายและก็สภาพแวดล้อมซอฟต์แวร์เสรีในการคำนวณทางสถิติ

ความรู้ความเข้าใจสำหรับเพื่อการกำหนดภาพได้อย่างเร็วนับล้านรูปภาพที่นำมาจากกล้องถ่ายรูปดักฟังของทางกล้องสามารถเปลี่ยนกระบวนการดีไซน์แล้วก็ปฏิบัติงานศึกษาเล่าเรียนด้านสัตว์ป่าของบรรดานักนิเวศน์วิทยาได้” นักเขียนนำเสนอเป็น UW Department of Zoology and Physiology Ph.D. สำเร็จการศึกษาจากไมเคิลทาบาครวมทั้งไรอันไม่ลเลอร์อีกทั้งศูนย์ระบาดวิทยาแล้วก็สุขลักษณะสัตว์ของกระทรวงเกษตรสหรัฐอเมริกาในเมืองฟอร์ตคอลลินส์วัวโล

การศึกษาสร้างผลที่เกิดขึ้นจากงานวิจัยของ UW ซึ่งพิมพ์เมื่อต้นปีก่อนหน้าที่ผ่านมาในรายงานฉบับล่าสุดของสถาบันวิจัยวิทยาศาสตร์แห่งชาติ (PNAS) ซึ่งเป็นโมเดลคอมพิวเตอร์พินิจพิจารณาภาพ 3.2 ล้านภาพที่ถ่ายโดยกล้องถ่ายสำหรับรูปในแอฟริกาโดยโครงการวิทยาศาสตร์ประชาชนที่เรียกว่าSnapshot Serengeti เคล็ดวิธีปัญญาประดิษฐ์ที่เรียกว่าการแบ่งกลุ่มภาพสัตว์อย่างลึกซึ้งโดยมีอัตราความถูกต้องปริมาณร้อยละ 96.6 เหมือนกับกรุ๊ปอาสาสมัครมนุษย์ประสบผลสำเร็จในอัตราที่รวดเร็วกว่าคนธรรมดาทั่วไป

ในการค้นคว้าล่าสุดนักค้นคว้าได้รับการฝึกฝนโครงข่ายประสาทเทียมลึกบนเทือกเขาคอมพิวเตอร์ Mount Moran ซึ่งเป็นกลุ่มคอมพิวเตอร์ที่มีประสิทธิภาพสูงของ UW เพื่อจำแนกประเภทสัตว์ป่าโดยใช้ภาพลักษณาการดักจับสัตว์ 3.37 ล้านรูปภาพที่นำมาจาก 27 ชนิดของสัตว์ที่ได้รับจากห้ารัฐทั่วทั้งประเทศประเทศสหรัฐอเมริกา แบบจำลองนี้ได้รับการทดลองในแทบ 375,000 ภาพสัตว์ในอัตราประมาณ 2,000 ภาพต่อนาทีบนคอมพิวเตอร์แล็ปท็อปโดยมีความเที่ยงตรง 97.6 เปอร์เซ็นต์ซึ่งน่าจะเป็นความเที่ยงตรงสูงสุดในการใช้การศึกษาด้วยเครื่องเพื่อแบ่งประเภทและชนิดสัตว์ป่า

โมเดลคอมพิวเตอร์ยังได้รับการทดลองในชุดย่อยที่มีอิสรภาพของภาพกวางมูซกวางกวางรวมทั้งหมูป่าปริมาณ 5,900 รายจากประเทศแคนาดาโดยมีอัตราความถูกต้อง 81.8 เปอร์เซ็นต์ แล้วก็บรรลุผลสำเร็จในการลบภาพ ว่าง” (ไม่มีสัตว์ใดๆออกมาจากชุดภาพจากประเทศแทนซาเนียถึง 94 เปอร์เซ็นต์

นักวิจัยได้สร้างแบบจำลองของตัวเองขึ้นในแพคเกจซอฟต์แวร์ในโปรแกรม R. แพคเกจ “Machine Learning for Wildlife Image Classification in R (MLWIC)” ช่วยทำให้ผู้ใช้รายอื่นสามารถแยกเป็นชนิดและประเภทภาพที่มี 27 ประเภทในชุดข้อมูลได้ ยังช่วยทำให้ผู้ใช้สามารถฝึกหัดแบบจำลองการศึกษาด้วยเครื่องของตนเองโดยใช้ภาพที่เอามาจากชุดข้อมูลใหม่

คนเขียนบทนำของบทความ PNAS, วิทยาการคอมพิวเตอร์ปัจจุบัน Ph.D. สำเร็จการศึกษา Mohammad Sadegh (Arash) Norouzzadeh เป็นเลิศในผู้ร่วมเขียนบทความฉบับใหม่ในด้านนิเวศวิทยาแล้วก็วิวัฒนาการนักค้นคว้าที่เข้าร่วมโครงการอื่นๆจาก UW อาทิเช่น ภาควิชาวิทยาการคอมพิวเตอร์รองศาสตราจารย์ Jeff Clune แล้วก็นักค้นคว้าข้างหลังปริญญาเอกของเอลิซาเบ ธ แมนวิลล์จากหน่วยศึกษาค้นคว้าสมาพันธ์รัฐไวโอมิงและก็สัตว์ป่า

องค์กรอื่นๆที่เป็นผู้แทนในกลุ่มวิจัยเป็นหน่วยงานวิจัยสัตว์ป่าแห่งชาติของ USDA มหาวิทยาลัยที่เมืองแอริโซนา California Conservation of Tejon Ranch มหาวิทยาลัยจอร์เจียมหาวิทยาลัยฟลอริดาสวนสาธารณะโคโลราโดและสัตว์ป่ามหาวิทยาลัยSaskatchewan รวมทั้งมหาวิทยาลัย Montana

Facebook Comments