«Для таких видов, как шимпанзе, которые ведут сложную социальную жизнь и живут много лет, получение снимков их поведения в результате краткосрочных полевых исследований может рассказать нам лишь очень многое», – говорит Дэн Шофилд, исследователь и студент DPhil в Лаборатории моделей приматов Оксфордского университета. , Школа антропологии. ‘Используя возможности машинного обучения для открытия больших видеоархивов, он делает возможным измерение поведения в долгосрочной перспективе, например, наблюдение за тем, как социальные взаимодействия группы меняются на протяжении нескольких поколений.’
Компьютерная модель была обучена с использованием более 10 миллионов изображений из видеоархива диких шимпанзе в Гвинее, Западная Африка, из видеоархива Института исследований приматов Киотского университета (PRI).
Новое программное обеспечение – первое, которое непрерывно отслеживает и распознает людей в широком диапазоне поз, работая с высокой точностью в сложных условиях, таких как слабое освещение, низкое качество изображения и размытость изображения.
«Доступ к этому большому видеоархиву позволил нам использовать новейшие глубокие нейронные сети для обучения моделей в масштабах, которые ранее были невозможны», – говорит Арша Награни, соавтор исследования и студент DPhil факультета инженерных наук. Оксфордский университет.
Кроме того, наш метод отличается от предыдущего программного обеспечения для распознавания лиц приматов тем, что его можно применять к необработанным видеоматериалам с ограниченным ручным вмешательством или предварительной обработкой, что позволяет сэкономить часы и ресурсы.’
Эта технология имеет потенциал для множества применений, таких как мониторинг видов для сохранения.
Хотя текущее приложение ориентировано на шимпанзе, предоставленное программное обеспечение может быть применено к другим видам и поможет стимулировать внедрение систем искусственного интеллекта для решения ряда проблем в науках о дикой природе.
«Все наше программное обеспечение доступно исследовательскому сообществу с открытым исходным кодом», – говорит Награни.
Мы надеемся, что это поможет исследователям из других частей мира применить те же самые передовые методы к своим уникальным наборам данных о животных. Мне, как исследователю компьютерного зрения, очень приятно видеть, как эти методы применяются для решения реальных сложных проблем биоразнообразия.’
«В связи с нарастанием кризиса биоразнообразия и угрозой для многих мировых экосистем возможность тщательного мониторинга различных видов и популяций с использованием автоматизированных систем будет иметь решающее значение для усилий по сохранению, а также для исследований поведения животных», – добавляет Шофилд. Подобное междисциплинарное сотрудничество имеет огромный потенциал для оказания влияния, находя новые решения старых проблем и задавая биологические вопросы, которые ранее были невозможны в больших масштабах.’