Слонів порахували із супутника

Дослідники з Великобританії та Нідерландів навчили нейромережу розпізнавати і підраховувати слонів на супутникових знімках. Алгоритм працює не тільки зі знімками на порожній поверхні, але і, наприклад, якщо на ній є безліч дерев, а точність його роботи приблизно дорівнює людській, розповідають автори препринту в bceRxiv.

Зоологи використовують зйомку з повітря і супутникові знімки для контролю за чисельністю популяцій тварин і їх міграцією. Це дозволяє проводити спостереження дистанційно, а також охоплювати величезні території, витрачаючи невеликі ресурси. У більшості випадків дослідникам доводиться вручну розмічати тварин на знімках, тому на це йде багато часу. Цей етап можна автоматизувати, але це технологічно складно, тому що часто на знімках, крім тварин, є й інші об'єкти, наприклад, чагарники, дерева або каміння.

В останні роки це завдання часто вирішують за допомогою нейромереж, які справляються із завданням краще, ніж аналітичні алгоритми, що виділяють об'єкти за пороговими значеннями розміру і кольору. Дослідники під керівництвом Ісли Дюпорж (Isla Duporge) з Оксфордського університету навчили нейромережу розпізнаванню слонів на супутникових знімках високої роздільної здатності.

Вони використовували дані із супутників WorldView-3 і _ 4 з роздільною здатністю 31 сантиметр на піксель - найвищим серед комерційних супутників, що надають дані. На знімках була відображена територія національного парку Еддо-Елефант в ПАР. На цій території є безліч низьких і високих рослин, і мешкає близько 600 слонів. Часто вони покривають себе брудом для охолодження, що робить їх забарвлення нерівномірним і ускладнює виявлення.

Автори використовували архівні знімки за період з 2014 по 2019 роки, обробили їх алгоритмом панхроматичного злиття для отримання більшої чіткості і нарізали на фрагменти 600 на 600 пікселів, сумісні за розміром з нейромережею. Вони вручну анотували знімки і виділили на них 1125 слонів. Як алгоритм для виявлення тварин дослідники вибрали згорточну нейромережу Inception ResNet, предобученную на датасеті різних повсякденних об'єктів COCO (предобучение дозволяє швидше дообучить нейромережу на конкретне завдання).

Досліджували перевірили нейромережу, порівнявши її результати роботи з результатами 51 добровольця, які розмічали дані вручну. Вони вибрали для оцінки параметр F2, яка враховує в собі часто використовувані метрики, такі як повнота (скільки справжніх слонів знайшов алгоритм) і точність (скільки виділених алгоритмом об'єктів - слони) результатів, але робить акцент на помилкових результатах, тому що для перевіряючої людини легше відсіяти некоректно розпізнаних слонів на знімках, ніж шукати нерозпізнаних. Також автори окремо порівнювали результати на знімках з однорідним (степом) і різнорідним (безліч дерев або кущів) ландшафтом.

Нейромережа отримала результат 0,778 для різнорідних областей і 0,73 для однорідних, а для добровольців результат був 0,8 і 0,776 відповідно. Автори зазначають, що головною перешкодою перед поліпшенням якості розпізнавання залишається ціна супутникових знімків, яка в їхньому випадку становила 17,5 долара за квадратний кілометр для архівних знімків і 27,5 для нових.

Нещодавно британські вчені успішно використовували супутникові знімки для пошуків нових колоній імператорських пінгвінів: їм вдалося знайти 11 нових колоній і збільшити число відомих на поточний момент місць гніздування до 65.