Современные фотоловушки собирают буквально миллионы фотографий, так что даже многочисленные волонтеры не успевают за разумное время их все просмотреть. Поэтому ученые из Миннесотского и Оксфордского университетов вместе с Департаментом природных ресурсов штата Висконсин, США, решили с нашей помощью научить искусственный интеллект узнавать на фотографиях части животных и «пустые» фотографии.
Исследователи использовали три набора данных изображений, собранных в Африке — Snapshot Serengeti, Camera CATalogue и Elephant Expedition — и один набор данных из Snapshot Wisconsin, с изображениями, собранными в Северной Америке. Каждый набор данных включал фотографии от 9 до 55 видов и заметно отличался по ряду параметров: по количеству, местам размещения и настройкам фотокамер и тому, как часто различные виды попадали в объектив.
Пока точность автоматической идентификации пустых изображений в разных проектах варьируется от 91,2% до 98,0%, точность идентификации конкретных видов — от 88,7% до 92,7%. Это немного, а в случае редких видов точность еще ниже. Впрочем, AI способен оценить, насколько он уверен в своих прогнозах. Но даже если компьютер научится всего лишь уверенно определять заведомо ненужные фотографии, одно это уже значительно ускорит работу.
Люси Фортсон (Lucy Fortson), профессор физики и астрономии Миннесотского университета и соучредитель портала гражданской науки Zooniverse поясняет: «Хотя всегда будут нужны человеческие усилия, объединение этих усилий с методами больших данных может помочь исследователям обрабатывать больше данных еще быстрее и добровольцам сосредоточиться на более сложных и редких классификациях».