鳥に顔認識が使われるとどうなりますか？科学は説明する

野鳥として、私はあなたがあなたの鳥の餌箱を訪問したセジロコゲラの頭羽に注意を払うならば、あなたは個々の鳥を認識し始めることができると聞いた。これは私を魅了しました。私は自分のフィーダで鳥をスケッチしようと試みさえしました、そして、ある程度までこれが本当であることを発見しました。

それまでの間、コンピュータ科学者としての私の仕事では、他の研究者がデジタル画像の中の個々の顔を高い精度で認識するために機械学習技術を使っていたことを知っていました。

これらのプロジェクトは私が私の趣味を私の日常の仕事と組み合わせる方法について考えさせました。個々の鳥を識別するためにそれらの技術を適用することは可能でしょうか？

そこで、私はデータを収集するためのツールを作りました。キツツキが好む一種の鳥の餌箱と、動くカメラです。私は郊外のバージニア州の庭に監視ステーションを設置し、鳥が現れるのを待ちました。

画像分類

画像分類は、技術の世界では非常に大きな話題です。 Facebook、Apple、Googleなどの大手企業はこの問題を積極的に調査して、視覚的検索、ソーシャルメディア投稿内の友人の自動タグ付け、携帯電話のロックを解除するための顔の使用などのサービスを提供しています。法執行機関も同様に非常に興味を持っています、主にデジタル画像で顔を認識すること。

私がこのプロジェクトで私の学生と働き始めたとき、画像分類研究はエッジ、コーナー、そして同じような色の領域のような画像特徴を見る技術に焦点を合わせました。これらは、認識可能なオブジェクトに組み立てられる可能性がある部分です。これらのアプローチは、数百のカテゴリと数万のトレーニング例を含むベンチマークデータセットを使用して、約70パーセント正確でした。

最近の研究は、正確な分類のために最も有用であると証明されるそれら自身の特徴を識別する人工ニューラルネットワークの使用に向かってシフトしています。ニューラルネットワークは、人間の脳内のニューロン間のコミュニケーションパターンに基づいて非常に大まかにモデル化されています。畳み込みニューラルネットワークは、私たちが現在鳥を使った研究で使っているタイプですが、視覚皮質をモデルにした方法で修正されています。そのため、画像分類問題に特に適しています。

他の何人かの研究者はすでに動物に対して同様の技術を試みた。私はウィリアムズ大学のコンピューター科学者Andrea Danylukにインスパイアされました。彼は個々の発見されたサンショウウオを識別するために機械学習を使用しました。これは、各サンショウウオには独特のスポットのパターンがあるためです。

鳥IDの進歩

私の学生と私は、他のほとんどの研究者や企業と同じくらい多くの画像を扱うことができませんでしたが、分類子の精度を高めることができる制約がいくつかあるという利点がありました。

私たちの画像はすべて同じ視点から撮影されたもので、同じ縮尺で、限られた数のカテゴリに分類されました。私が住んでいる地域のフィーダーを訪れたのは約15種にすぎませんでした。そのうち、10人だけが、分類器を訓練するための有用な基礎を提供するのに十分な頻度で訪問しました。

限られた数の画像は明確なハンディキャップでしたが、少数のカテゴリが私たちに有利に働きました。画像中の鳥がニワトリ、Carolina wren、枢機卿などのものであるかどうかを認識するようになったとき、顔認識アルゴリズムに基づく初期のプロジェクトは約85％の精度を達成しました。

画像内の鳥の識別は、「きめの細かい分類」タスクの一例です。つまり、アルゴリズムは、互いにわずかに異なるだけのオブジェクトを区別しようとします。例えば、フィーダーに現れる多くの鳥はほぼ同じ形をしているので、経験豊富な人間の観察者にとってさえも、ある種と別の種との違いを見分けることは非常に困難です。

あなたが個人を識別しようとしたときに挑戦は立ち上がるだけです。ほとんどの種にとって、それは単に不可能です。私が興味を持っていたキツツキは強く羽毛をパターン化しました、しかしそれでも個人から個人へと大体似ています。

そのため、私たちの最大の課題の1つは、分類子を訓練するためにデータにラベルを付けるという人的作業でした。羽毛のないキツツキの羽が個人を区別するための信頼できる方法ではないことがわかりました、なぜならそれらの羽は動き回るからです。彼らは、鳥によって苛立ちや警戒心を表現するために使われています。しかし、折りたたまれた翼の斑点のパターンはより一貫しており、互いに区別してもうまくいくように見えました。羽の羽は私たちの写真ではほとんどいつも見えていましたが、鳥の頭の角度によっては頭の模様があいまいになることがありました。

結局、8種類のキツツキの写真が2,450枚ありました。個々のキツツキを識別することになると、私達の実験は97パーセントの精度を達成しました。ただし、その結果にはさらなる検証が必要です。

どのようにこれは鳥を助けることができますか？

鳥類学者は、鳥の個体数が時間とともにどのように変化するかについての正確なデータを必要としています。繁殖、越冬、移住に関しては、多くの種が生息地のニーズを非常に特定しているため、細かい粒度のデータは、変化する景観の影響について考えるのに役立ちます。べとげのあるキツツキのような個々の種に関するデータは、土地利用図、気象パターン、人口増加などの他の情報と突き合わせて、時間の経過に伴う地元の種の豊富さをよりよく理解することができます。

私は半自動監視ステーションが手頃なコストで手の届くところにあると信じています。私の監視ステーションは約500ドルです。最近の研究では、もっと広い範囲の画像群を使って分類器を訓練し、それから個々の鳥を認識するための合理的な計算上の要求で素早くそれを微調整することが可能であるべきであると示唆している。

Cornell Laboratory of OrnithologyのeBirdのようなプロジェクトは、人口動態を監視するために少数の市民科学者を配置していますが、それらのデータの大部分は、科学者にとって特に関心のある場所からではなく、多数の場所からのものです。

自動監視ステーションアプローチは、特定の種または特定の場所に関係する野生生物学者に力の乗数を提供することができます。これにより、最小限の人的介入でデータを収集する能力が広がります。

この記事はもともとルイスバーネットによって会話で公開されました。ここで元の記事を読んでください。