Искусственный интеллект помог ученым создать фотокаталог аляскинских медведей

Новости МирТесен

Команда биологов и экспертов по анализу данных создала нейросеть, которая может распознавать диких бурых медведей по фотографиям с вероятностью превышающей 84%. Инновационный алгоритм PoseSwin использует данные о строении головы и позволяет отслеживать отдельных особей на протяжении нескольких лет, исключая необходимость в инвазивных методах, таких как чипирование, маркировка ушей или генетический анализ.

Мониторинг популяции бурых медведей (Ursus arctos) идентификация отдельных особей всегда представляла собой непростую задачу для специалистов, изучающих диких животных. В отличие от леопардов или зебр, у медведей отсутствует характерная окраска, такая как пятна или полосы. Дополнительные трудности возникают из-за того, что вес медведя значительно меняется в зависимости от времени года: осенью он может быть вдвое тяжелее, чем весной, а густой зимний мех искажает контуры его тела. Привычные способы определения личности требуют отлова животного и его обезболивания, что сопряжено с высокими затратами, представляет опасность и вызывает у зверя значительный стресс.

Авторы исследования, опубликованного в журнале Current Biology, в ходе экспедиции в заповеднике Макнил-Ривер на Аляске был сформирован обширный фотоархив. В него вошли 72 940 изображений 109 отдельных медведей, полученных в результате шести лет наблюдений.

Для обучения модели PoseSwin, использующей архитектуру визуальных трансформеров, были использованы эти данные. Главной особенностью разработанного алгоритма является способность к распознаванию позы. Сначала нейросеть определяет положение головы медведя, выявляя местоположение таких элементов, как нос, глаза и уши. Затем проводится анализ биометрических характеристик морды. Это позволяет системе сопоставлять изображения, полученные под разными углами, не обращая внимания на изменения в объеме тела или состоянии шерсти.

Алгоритм продемонстрировал высокую результативность при работе в реальных условиях. В течение одного сезона точность определения медведя составила приблизительно 84%. Распознавание животного через год, после периода спячки, линьки и увеличения массы тела, приводило к снижению точности, однако она оставалась значительной – около 70%. Искусственный интеллект освоил метод игнорирования временных изменений и сосредоточился на стабильных характеристиках черепа, расположении ушей и форме переносицы.

В ходе проверки в условиях «открытого мира» система продемонстрировала способность различать знакомых медведей и новых особей, которых не включали в обучающий набор данных.

Эффективность модели была подтверждена методами гражданской науки. Загрузив в систему фотографии, сделанные любителями в соседнем национальном парке Катмай, находящемся в 65 километрах от места обучения, исследователи идентифицировали там знакомых медведей. В частности, было установлено, что самец, известный как Безухий (Not Ears), и самка Лакс (Lax) систематически перемещаются между парками, причем Лакс сопровождается медвежатами, обучая их маршруту.

Согласно результатам исследования, компьютерное зрение способно заменить инвазивные способы отслеживания, даже если речь идет о видах, которые сложно идентифицировать. Технология PoseSwin обладает высокой адаптируемостью и может быть применена для анализа поведения других животных, таких как львы или приматы. Это позволит использовать миллионы туристических фотографий для получения ценной информации о миграциях и численности популяций диких животных.