Detektor dzikich zwierząt
Chociaż monitorowanie obecności dzikich zwierząt na dużych obszarach może wydawać się trudne, można to zrobić za pomocą sztucznej inteligencji. Model wykrywania zdolny do rozpoznawania zwierząt może być niezwykle przydatny z kilku powodów:
Ochrona dzikiej przyrody - monitorowanie populacji dzikich zwierząt ma zasadnicze znaczenie dla wysiłków na rzecz ochrony przyrody. Dzięki dokładnemu wykrywaniu i identyfikowaniu różnych gatunków, obrońcy przyrody mogą gromadzić cenne dane na temat wielkości populacji, rozmieszczenia i zachowania. Informacje te pomagają zrozumieć wzorce ekologiczne, zidentyfikować zagrożone lub zagrożone gatunki i sformułować skuteczne strategie ochrony.
Monitorowanie siedlisk - monitorowanie obecności dzikich zwierząt na określonych obszarach pomaga ocenić stan siedlisk. Korzystając z modeli wykrywania, badacze i obrońcy przyrody mogą gromadzić dane na temat przemieszczania się zwierząt, wzorców migracji i wykorzystania siedlisk. Informacje te pomagają ocenić skuteczność działań ochronnych, zidentyfikować obszary wymagające ochrony i zrozumieć wpływ działalności człowieka na siedliska dzikiej przyrody.
Badania ekologiczne - badanie zachowań i interakcji dzikich zwierząt ma fundamentalne znaczenie dla badań ekologicznych. Modele detekcji umożliwiają badaczom gromadzenie danych na temat ruchów zwierząt, struktur społecznych i wzorców żywieniowych. Informacje te pomagają zrozumieć interakcje między gatunkami, dynamikę ekologiczną i ogólne funkcjonowanie ekosystemów.
I wiele więcej!
W tym samouczku zbudujesz model wykrywania, który może wykrywać dzikie zwierzęta. Wykorzystamy 10 zestawów danych z Open Images Dataset, a mianowicie: bear (niedźwiedź), deer (jeleń), fox (lis), hedgehog (jeż), lynx (ryś), otter (wydra), rabbit (królik), raccoon (szop pracz), skunk (skunks) i squirrel (wiewiórka). Aby dowiedzieć się, jak je pobrać, kliknij tutaj.
Rozszerzanie danych
Po przesłaniu zbiorów danych można zauważyć, że liczba obrazów w każdym z nich jest różna. W tym miejscu może przydać się manipulator zbioru danych. Aby rozszerzyć dane, przejdź do każdego zestawu danych i wybierz Manipulator danych.
Ustaw format wyjściowy na PNG i wprowadź nową nazwę zestawu danych. W sekcji operacji dodaj wybrane operacje. W polu Wygeneruj do wybraliśmy inną liczbę dla każdego zestawu danych, aby uzyskać mniej więcej taką samą liczbę wygenerowanych obrazów. Po dodaniu operacji kliknij przycisk Rozpocznij manipulację.
Tworzenie modelu
Po utworzeniu nowych zbiorów danych przejdź do sekcji Modele i kliknij Dodaj nowy model. Wybierz opcję Detekcja.
Wybierz zestawy danych, których chcesz użyć do trenowania modelu.
Pomiń krok scalania kategorii i kliknij Dalej. Wprowadź nazwę modelu, wybierz framework Darknet i włącz opcję Konfiguruj ręcznie.
Zmień wstępnie wytrenowany model na yolo4-tiny.conv.29, ustaw maksymalną liczbę partii na 40000 i kliknij przycisk Rozpocznij trening. Postęp treningu można wyświetlić w widoku Panelu głównego, w zakładce Powiadomienia lub w sekcji Modele.
Testowanie Twojego pomysłu
Po zakończeniu treningu przejdź do sekcji Modele i kliknij model Wildlife Detector.
Tym razem użyjemy sprzętu Tesla V100. Kliknij na kafelek sprzętu, aby dokonać konwersji.
Po przekonwertowaniu kliknij urządzenie, aby się z nim połączyć.
Skopiuj kod rejestracyjny do schowka, a następnie kliknij Kopiuj token i przejdź do urządzenia. Spowoduje to otwarcie nowej karty w przeglądarce, w której znajdziesz aplikację internetową korzystającą teraz z Twojego urządzenia lokalnego.
Wklej kod rejestracyjny w polu Token i utwórz hasło. Po zarejestrowaniu urządzenie zmieni swój status na Połączono w sekcji Testowanie aplikacji OSAI.
Wybierz model Wildlife Detector. Aby pobrać go do pamięci lokalnej urządzenia, kliknij kafelek modelu.
Kliknij przycisk Prześlij plik. Możesz przesłać zdjęcie lub film. Na potrzeby tego samouczka użyjemy plików wideo.
Po przesłaniu pliku wideo możesz zdecydować, czy chcesz zapisać wyniki i/lub przesłać obrazy z wideo do nowego lub istniejącego zestawu danych. Kliknij Dalej, aby kontynuować.
Po przetworzeniu wideo przez aplikację internetową można wyświetlić wyniki.
Wyniki
Możesz także przetestować swój model na przesłanych obrazach:
