จะเกิดอะไรขึ้นเมื่อการจดจำใบหน้าใช้กับนก วิทยาศาสตร์อธิบาย

ฉันได้ยินมาว่าถ้าคุณให้ความสนใจกับขนนกหัวขวานบนนกหัวขวานขนนุ่มที่ไปเยี่ยมผู้ให้อาหารนกคุณอาจเริ่มจำนกแต่ละตัวได้ เรื่องนี้ทำให้ฉันทึ่ง ฉันยังคงพยายามวาดรูปนกในเครื่องป้อนของฉันและพบว่าสิ่งนี้เป็นจริงจนถึงจุดหนึ่ง

ในระหว่างนี้ในงานประจำวันของฉันในฐานะนักวิทยาศาสตร์คอมพิวเตอร์ฉันรู้ว่านักวิจัยคนอื่นใช้เทคนิคการเรียนรู้ด้วยเครื่องเพื่อจดจำใบหน้าของแต่ละบุคคลในภาพดิจิทัลด้วยความแม่นยำระดับสูง

โครงการเหล่านี้ทำให้ฉันคิดถึงวิธีที่จะรวมงานอดิเรกของฉันเข้ากับงานประจำวันของฉัน เป็นไปได้ไหมที่จะใช้เทคนิคเหล่านี้ในการจำแนกนกแต่ละตัว?

ดังนั้นฉันจึงสร้างเครื่องมือเพื่อรวบรวมข้อมูล: ตัวป้อนนกชนิดหนึ่งซึ่งเป็นที่โปรดปรานของนกหัวขวานและกล้องเคลื่อนไหวเปิดใช้งาน ฉันตั้งค่าสถานีตรวจสอบของฉันในสนามเวอร์จิเนียชานเมืองของฉันและรอให้นกแสดง

การจำแนกภาพ

การจัดหมวดหมู่ภาพเป็นหัวข้อยอดนิยมในโลกเทคโนโลยี บริษัท ใหญ่ ๆ อย่าง Facebook, Apple และ Google กำลังค้นคว้าปัญหานี้อย่างจริงจังเพื่อให้บริการต่างๆเช่นการค้นหาภาพการติดแท็กอัตโนมัติของเพื่อน ๆ ในโพสต์โซเชียลมีเดียและความสามารถในการใช้ใบหน้าของคุณเพื่อปลดล็อคโทรศัพท์มือถือของคุณ หน่วยงานบังคับใช้กฎหมายมีความสนใจเป็นอย่างมากโดยเฉพาะอย่างยิ่งในการจดจำใบหน้าในภาพดิจิทัล

เมื่อฉันเริ่มทำงานกับนักเรียนของฉันในโครงงานนี้การวิจัยการจัดประเภทภาพเน้นเทคนิคที่ดูคุณสมบัติของภาพเช่นขอบมุมและพื้นที่ที่มีสีใกล้เคียงกัน เหล่านี้มักจะเป็นชิ้นที่อาจรวมตัวกันเป็นวัตถุที่รู้จัก วิธีการเหล่านั้นมีความแม่นยำประมาณ 70 เปอร์เซ็นต์โดยใช้ชุดข้อมูลเบนช์มาร์กที่มีหลายร้อยหมวดหมู่และตัวอย่างการฝึกอบรมนับหมื่นตัวอย่าง

การวิจัยล่าสุดได้เปลี่ยนไปใช้เครือข่ายประสาทเทียมซึ่งระบุคุณสมบัติของตนเองที่พิสูจน์ว่ามีประโยชน์มากที่สุดสำหรับการจำแนกประเภทที่ถูกต้อง โครงข่ายประสาทเทียมมีรูปแบบที่หลวมมากในรูปแบบของการสื่อสารระหว่างเซลล์ประสาทในสมองของมนุษย์ โครงข่ายประสาทเทียมชนิดที่เราใช้ในการทำงานกับนกในปัจจุบันได้รับการดัดแปลงในรูปแบบที่จำลองมาจากคอร์เทกซ์สายตา ทำให้เหมาะอย่างยิ่งสำหรับปัญหาการจำแนกภาพ

นักวิจัยคนอื่น ๆ ได้ลองใช้เทคนิคที่คล้ายกันกับสัตว์แล้ว ฉันได้รับแรงบันดาลใจบางส่วนจากนักวิทยาศาสตร์คอมพิวเตอร์ Andrea Danyluk จาก Williams College ผู้ใช้การเรียนรู้ด้วยเครื่องเพื่อระบุตัวตนที่ถูกพบ งานนี้เพราะซาลาแมนเดอร์แต่ละคนมีรูปแบบของจุดที่แตกต่างกัน

ความคืบหน้าเกี่ยวกับ Bird ID

ในขณะที่นักเรียนของฉันและฉันไม่มีภาพเกือบเท่าที่จะทำงานร่วมกับนักวิจัยและ บริษัท อื่น ๆ ส่วนใหญ่เรามีข้อได้เปรียบของข้อ จำกัด บางอย่างที่สามารถเพิ่มความแม่นยำของตัวแยกประเภท

ภาพทั้งหมดของเราถูกถ่ายจากมุมมองเดียวกันมีขนาดเท่ากันและตกอยู่ในหมวดหมู่จำนวน จำกัด ทุกคนบอกว่ามีเพียง 15 สปีชีส์เท่านั้นที่เคยเยี่ยมชมตัวป้อนในพื้นที่ของฉัน ในจำนวนนี้มีผู้เยี่ยมชมเพียง 10 คนเท่านั้นที่เพียงพอที่จะให้พื้นฐานที่เป็นประโยชน์สำหรับการฝึกอบรมผู้จําแนก

จำนวน จำกัด ของภาพเป็นแต้มต่อแน่นอน แต่หมวดหมู่จำนวนน้อยทำงานเพื่อประโยชน์ของเรา เมื่อรู้ว่านกในภาพเป็น chickadee, Carolina wren, cardinal หรืออย่างอื่นโครงการแรกโดยใช้อัลกอริธึมการจดจำใบหน้าบรรลุถึงความแม่นยำ 85 เปอร์เซ็นต์ซึ่งดีพอที่จะทำให้เราสนใจปัญหา

การระบุนกในภาพเป็นตัวอย่างของภารกิจ“ การจำแนกอย่างละเอียด” หมายความว่าอัลกอริธึมพยายามแยกแยะระหว่างวัตถุที่แตกต่างกันเล็กน้อยเท่านั้น ตัวอย่างเช่นนกหลายชนิดที่ปรากฏขึ้นที่ตัวป้อนนั้นมีรูปร่างเหมือนกันดังนั้นการบอกความแตกต่างระหว่างสปีชีส์หนึ่งกับอีกสปีดอาจเป็นสิ่งที่ท้าทายแม้กระทั่งสำหรับผู้สังเกตการณ์ที่มีประสบการณ์

ความท้าทายจะเพิ่มขึ้นเมื่อคุณพยายามระบุตัวบุคคลเท่านั้น สำหรับสายพันธุ์ส่วนใหญ่มันเป็นไปไม่ได้ นกหัวขวานที่ฉันสนใจมีขนนกที่มีลวดลายอย่างมาก แต่ก็ยังมีความคล้ายคลึงกันมากในแต่ละบุคคล

ดังนั้นหนึ่งในความท้าทายที่ยิ่งใหญ่ที่สุดของเราคืองานของมนุษย์ในการติดฉลากข้อมูลเพื่อฝึกฝนตัวจําแนกของเรา ฉันพบว่าขนของนกหัวขวานขนอ่อนเป็นวิธีที่ไม่น่าเชื่อถือในการแยกแยะความแตกต่างระหว่างบุคคลเพราะขนเหล่านั้นเคลื่อนที่ไปรอบ ๆ มาก พวกมันถูกใช้โดยนกเพื่อแสดงการระคายเคืองหรือการเตือนภัย อย่างไรก็ตามรูปแบบของจุดบนปีกที่พับนั้นมีความสอดคล้องกันมากขึ้นและดูเหมือนจะทำงานได้ดีที่จะบอกจากที่อื่น ขนปีกเหล่านั้นมักจะปรากฏอยู่ในภาพของเราในขณะที่รูปแบบหัวสามารถบดบังได้ขึ้นอยู่กับมุมของหัวนก

ในตอนท้ายเรามีภาพนกหัวขวานแปดภาพจำนวน 2,450 ภาพ เมื่อมาถึงการระบุนกหัวขวานแต่ละการทดลองของเราประสบความสำเร็จร้อยละ 97 อย่างไรก็ตามผลลัพธ์นั้นต้องการการตรวจสอบเพิ่มเติม

นี่จะช่วยนกได้อย่างไร?

วิทยาต้องการข้อมูลที่ถูกต้องเกี่ยวกับการเปลี่ยนแปลงของประชากรนกเมื่อเวลาผ่านไป เนื่องจากสปีชีส์หลายชนิดมีความเฉพาะเจาะจงในความต้องการที่อยู่อาศัยของพวกเขาเมื่อกล่าวถึงการผสมพันธุ์การหลบหนาวและการย้ายถิ่นข้อมูลที่ละเอียดจะมีประโยชน์สำหรับการคิดเกี่ยวกับผลกระทบของภูมิทัศน์ที่เปลี่ยนแปลง ข้อมูลเกี่ยวกับสัตว์แต่ละชนิดเช่นนกหัวขวานอ่อนสามารถจับคู่กับข้อมูลอื่น ๆ เช่นแผนที่การใช้ที่ดินรูปแบบสภาพอากาศการเติบโตของประชากรมนุษย์และอื่น ๆ เพื่อให้เข้าใจถึงความอุดมสมบูรณ์ของเผ่าพันธุ์ท้องถิ่นได้ตลอดเวลา

ฉันเชื่อว่าสถานีตรวจสอบกึ่งอัตโนมัติอยู่ใกล้แค่เอื้อม สถานีตรวจสอบของฉันมีค่าใช้จ่ายประมาณ US $ 500 การศึกษาเมื่อเร็ว ๆ นี้ชี้ให้เห็นว่ามันเป็นไปได้ที่จะฝึกอบรมตัวจําแนกโดยใช้ภาพในวงกว้างมากขึ้นจากนั้นปรับแต่งอย่างรวดเร็วและด้วยความต้องการการคำนวณที่สมเหตุสมผลในการรับรู้นกแต่ละตัว

โครงการอย่าง Cornell Laboratory of Ornithology ของ eBird ได้วางกองทัพเล็ก ๆ ของนักวิทยาศาสตร์เพื่อตรวจสอบพลวัตของประชากร แต่ข้อมูลจำนวนมากนั้นมีแนวโน้มว่ามาจากสถานที่ที่ผู้คนจำนวนมากแทนที่จะมาจากสถานที่ที่น่าสนใจสำหรับนักวิทยาศาสตร์

วิธีการตรวจสอบสถานีอัตโนมัติสามารถให้กำลังทวีคูณสำหรับนักชีววิทยาสัตว์ป่าที่เกี่ยวข้องกับสายพันธุ์เฉพาะหรือสถานที่เฉพาะ นี่จะเป็นการเพิ่มความสามารถในการรวบรวมข้อมูลโดยมีการแทรกแซงจากมนุษย์น้อยที่สุด

บทความนี้ถูกตีพิมพ์ครั้งแรกใน The Conversation โดย Lewis Barnett อ่านบทความต้นฉบับที่นี่