成功训练计算机识别照片中的动物

由威斯康星大学的研究人员和其他人在怀俄明大学开发的计算机模型已经证明了在北美摄像机陷阱照片中识别野生动物图像的显着准确性和效率。

人工智能的突破，在科学期刊“ 生态学与进化方法”中发表的论文中有详细描述，被描述为野生动物研究和保护的重大进步。计算机模型现在可以在Program R的软件包中获得，Program R是一种广泛使用的编程语言和用于统计计算的自由软件环境。

“从摄像机陷阱中快速识别数百万张图像的能力可以从根本上改变生态学家设计和实施野生动物研究的方式，”该论文称，其主要作者是最近的华盛顿动物学和生理学博士。美国农业部科罗拉多州科林斯堡流行病学和动物健康中心的毕业生Michael Tabak和Ryan Miller。

该研究以今年早些时候在美国国家科学院院刊(PNAS)上发表的UW研究为基础，其中一个计算机模型通过一个名为Snapshot Serengeti的公民科学项目分析了非洲摄像机陷阱捕获的320万张图像。人工智能技术称为深度学习，以96.6%的准确率对动物图像进行分类，与人类志愿者团队相同，其速度比人们快得多。

在最新的研究中，研究人员在美国威斯康星大学高性能计算机集群莫兰山上训练了一个深度神经网络，使用从美国五个州获得的27种动物的337万个摄像机陷阱图像对野生动物物种进行分类。然后在笔记本电脑上以近2000张图像每分钟的速度对近375,000张动物图像进行测试，达到97.6%的准确度 - 这可能是迄今为止使用机器学习进行野生动物图像分类的最高准确度。

该计算机模型还在来自加拿大的5,900张驼鹿，牛，麋鹿和野猪图像的独立子集上进行了测试，准确率为81.8%。从坦桑尼亚的一组照片中删除“空”图像(没有任何动物)的成功率为94%。

研究人员在程序R的软件包中免费提供了他们的模型。该软件包“R中的野生动物图像分类机器学习(MLWIC)”允许其他用户对包含数据集中27种物种的图像进行分类，但它还允许用户使用来自新数据集的图像训练他们自己的机器学习模型。