یک خرس گریزلی داده بسازید

میلر گفت: “این از ما بهتر عمل می کند.”

تشخیص چهره در مزرعه

وی توضیح داد که گاوهای گوشتی از زندگی افراد و مکانهای مختلفی عبور می کنند ، از تولیدکننده گرفته تا عملیات چرا برای تغذیه دسته و سپس به کارخانه های بسته بندی گوشت. ردیابی زیادی بین آنها وجود ندارد ، و این مسئله بررسی مشکلاتی مانند بیماریهای حیوانی را که می تواند دام را ویران کند و همچنین به انسان آسیب برساند دشوار می کند. هوگلند انتظار دارد این برنامه تا پایان سال در دسترس باشد.

وی گفت: “توانایی ردیابی این حیوان بیمار ، یافتن منبع آن ، قرنطینه کردن ، ردیابی تماس ها – تمام مواردی که با ویروس کرونا در مورد آنها صحبت می کنیم مواردی است که می توانیم با حیوانات انجام دهیم.”

هوگلند به KC Olson ، استاد دانشگاه ایالتی کانزاس مراجعه کرد ، وی گروهی از متخصصان مدارس را در زمینه هایی مانند علوم دامپزشکی و علوم کامپیوتر دور هم جمع کرد تا تصاویر گاوها را جمع آوری کند تا یک پایگاه داده برای آموزش و آزمایش سیستم هوش مصنوعی ایجاد کند. آنها در مارس یک سیستم اثبات تصور ساختند که شامل بیش از 135000 تصویر به ازای هر 1000 گاو جوان بود. اولسون گفت که در شناسایی حیوانات 94٪ دقیق است ، چه آنها را قبلا ندیده باشد یا نه.

وی گفت که این بسیار بهتر از آنچه با برچسب ها و خوانندگان RFID دیده است ، که هنگام بسته بندی گاوها می تواند عملکرد ضعیفی داشته باشد.

وی گفت: “این یک جهش بزرگ به جلو است.”

طلا برای شکارچیان غیرمجاز

اگرچه تشخیص چهره برای حیوانات با همان حریم خصوصی ، تعصب و مشکلات نظارتی برای انسان همراه نیست ، اما موارد بی نظیری وجود دارد که باید مورد توجه قرار گیرند.

وی گفت: آنچه برای دانشمندان و مدیران حفاظت عالی است طلا برای شکارچیان حیات وحش است.

به این دلیل که یک شکارچی غیرمجاز می تواند از تصاویر حیوانات همراه با داده هایی مانند مختصات GPS که می تواند به عکس ها پیوسته باشد برای یافتن آنها استفاده کند.

همچنین برای جمع آوری تعداد زیادی از تصاویر حیوانات منفرد – از دیدگاه های مختلف ، در شرایط نوری مختلف ، بدون موانعی مانند گیاهانی که مرتباً با گذشت زمان ساخته شده اند – برای آموزش شبکه های هوش مصنوعی مشکل وجود دارد.

جین ، که دیگر روی پروژه کار نمی کند ، گفت که جمع آوری تصاویر کافی از حیوانات به ویژه با لمورهایی که می توانند روی یک درخت جمع شوند بسیار پیچیده است. وی خاطرنشان کرد ، شبکه های تشخیص چهره انسان را می توان با میلیون ها عکس از صدها هزار نفر آموزش داد. BearID فقط به کسر کمی به اندازه تحقیقات Jain متکی است.

Clappum گفت که تصاویر برخی از خرسها بیش از دیگران است ، بنابراین تیم او در تلاش است تعداد بیشتری از خرس ها را که در مجموعه داده کم است نشان دهد. محققان همچنین می خواهند آموزش سیستم هوش مصنوعی خود را روی تله های دوربین ، دوربین هایی مجهز به سنسور و چراغ قرار دهند که در بیابان قرار می گیرند ، جایی که حیوانات می توانند در آن پرسه بزنند و فیلم ها را راه اندازی کنند. آنها در حال بررسی چگونگی عملکرد BearID در برابر خرسها نسبت به حیوانات دیگر هستند.

Clapp گفت: “در واقع ، هر گونه گونه ای که بتوانیم داده های آموزشی خوبی برای آن بدست آوریم ، ممکن است در نهایت بتواند این نوع تشخیص چهره را ایجاد کند.”