为了寻找能够帮助野生动物保护的新数据技术系统，牛津大学的研究人员使用遥感数据和深度学习卷积神经网络来检测和计数南非的大象。
能够追踪野生濒危动物的数量是很重要的。但是，当个体分布在数千平方英里的范围内，尤其是在它们融入环境的地方，亲自去做这件事可能昂贵且耗时。
野生动物研究人员已经开始使用高分辨率的卫星图像来统计鲸鱼、企鹅、北极熊和火烈鸟等物种。这项技术比实地调查的效率高得多，而且可以在没有繁琐手续的情况下跨越国界进行调查。例如,Worldview-3卫星每24小时可覆盖26万平方英里，分辨率为1英尺。
不过，仍需要训练有素的观察者才能从数字图像中辨认出动物。结果可能不一致，容易出错，特别是当背景不像雪或水一样均匀时。
最近，牛津大学的一个团队结合遥感数据和深度学习卷积神经网络来检测和计数南非的大象令人惊讶的是准确的结果．
卷积神经网络是一种多层人工神经网络，可以通过训练，在大量数据集中寻找模式。它们已被用于医学成像和面部验证，但生态学家才刚刚开始将它们用于在卫星图像中寻找信天翁、鲸鱼和海豹等野生动物。
牛津大学的项目是第一个尝试在复杂环境中探测动物的项目。他们选择了在南非的大草原和森林中漫步的大象阿多大象国家公园它是美国第三大公园。研究报告的作者说，这不仅仅是因为它们是世界上最大的陆生哺乳动物伊斯拉Duporge牛津大学动物学系的
“在过去的几十年里，大象的数量一直在稳步下降，准确的数量是理解大象数量下降的原因的关键，”她说。
大象可能很大，但从上面看，它们的形状和颜色不断变化，因为它们觅食、玩耍、睡觉和把自己盖在泥里。再加上不同地区、不同季节的地貌差异很大，即使是通过载人飞机也很难发现它们，这是通常进行调查的方式。
牛津大学的研究小组使用了来自WorldView-3和-4卫星的数据，这是目前可用的最高分辨率的卫星图像。利用2014年至2019年期间拍摄的11张图像，他们创建了一个定制的训练数据集TensorFlow对象检测API由谷歌开发的。
“CNN是通过例子来训练的，”合著者说奥尔加Isupova巴斯大学计算机科学系的教授。
“我们给它看了很多图片，并告诉它这是一头大象，这不是一头大象。我们调整了它的内部参数，让它在猜测时尽可能少出错。”
通过这些反复的调整，他们帮助算法学会了从上面看大象的样子。
当CNN的猜测与51名志愿注释者的猜测相比较时，研究小组发现，这与人类的不准确性相当。人们更擅长在简单的背景下找到大象，但CNN在背景更复杂的地方更准确，比如灌木丛。研究结果也更加一致。
“我有很高的期望，CNN甚至超出了我的期望，”杜波奇说。
当该团队在没有任何进一步训练数据的情况下，对肯尼亚马赛马拉地区的大象的低分辨率图像使用该算法时，结果是一样的。Isupova说，这是令人鼓舞的，因为它表明cnn有可能被用来在没有受过专门训练的地方发现野生动物。
找到处理大型数据的计算能力可能是一个挑战图像数据集．而且图像本身并不便宜;存档的Worldview-3图片价格约为每平方英里45美元，订购新图片的价格为每平方英里71美元。在许多受威胁物种生活的地区，高分辨率的卫星图像可能非常昂贵。
但研究人员可以利用现有的图像来发现动物群体，以及鸟粪渍和挖洞留下的土堆等迹象。2021年将发射6颗与Worldview-3分辨率相同的新卫星，提供更多的目标选择。
杜波奇说，该小组已经与非洲保护组织、美国陆军研究办公室、史密森尼学会和其他组织取得了联系。一项关于角马的研究正在进行中，犀牛、大羚羊和牲畜等其他物种可能是很好的候选者。
朱利安·史密斯是特约作家。
©2021 Nutanix公司保留所有权利。如需其他法律信息，请到这里。
