Браконьеры VS компьютерное зрение

автор рубрика
Браконьеры VS компьютерное зрение

В мире постоянно происходят случаи незаконной ловли рыбы. Ученые института Allen Institute for AI (AI2) разработали алгоритм на компьютерного зрения (computer vision) для борьбы с браконьерами. При этом они использовали радиолокационные изображения и модели Faster R-CNN и ResNet-50.

Опасно: браконьеры

Как участники конкурса xView 3, сотрудники AI2 разработали алгоритм для поиска браконьеров на основе радиолокационных изображений, полученных со спутника. Этот алгоритм использует передовые методы компьютерного зрения для детектирования “черных” судов. Среди 2000 заявок из 67 стран команда AI2 взяла первое и четвертое место от разных спонсоров в размере $37,000 и $4,500.

Как подчеркивает лидер команды: “Самый интересный момент участия конкурса был в том, что это первый раз в AI2, когда компьютерное зрение применялось для охраны природы”. И добавляет: “За последние годы мы увидели огромное количество продуктов, включая клиент-ориентированных приложений на основе таких методов ИИ, как компьютерное зрение. Наша цель использовать эти методы в разных сферах, включая охрану природы и изменения климата”.

В основе алгоритма лежало обучение модели Faster R-CNN вместе с ResNet-50, о которых мы говорили тут. Также дополнительно проводилась аугментация данных.

Computer vision на Python

Код курса
VISI
Ближайшая дата курса
20 июня, 2022
Длительность обучения
40 ак.часов
Стоимость обучения
75 000 руб.

Что будет AI2 делать дальше

Команда теперь будет заниматься интеграцией алгоритма в приложение Skylight. Бета-версия будет доступна уже весной. Приложение даст возможность государству, агентствам, различным организациям и институтам узнать больше о нелегальной ловле рыбы. В отличие от автоматизированный системы идентификации (например, те, которые используются для отслеживания самолетов), радиолокационные изображения не полагаются на корабли для передачи их местоположения; а также, в отличие от оптических изображений, они способны находить суда через облака как днем, так и ночью.

“Это первый пример того, как ИИ поможет бороться с нелегальной ловлей рыбы посредством Skylight”, — заявляет директор Skylight.

Без ИИ и использовании радиолокационных изображений нахождение чего-нибудь подозрительного в морских путях было бы сродни поиску иголки в стоге сена. Сегодня спутники, как тот, что использовался для сбора данных для xView, могут создавать около 7 миллионов изображений на квадратный метр за один день. Человеку бы потребовалось на это 800 часов или 4 недели. Так для этого понадобились еще и технические навыки для оценки морских путей. С помощью же алгоритмов компьютерного зрения требуется 8 часов обработки на GPU. Skylight также хочет автоматизировать данную работу. Однако радиолокационные данные не всегда надежны.

Радиолокационным данным не хватает богатства оптического изображения. В них очень часто различные объекты в виде гор, островов, больших буйков не различимы от кораблей. Поэтому это действительно очень сложная задача детектирования.

 

А вы хотите решать проблемы охраны природы с помощью компьютерного зрения? Перед этим стоит получить базовые знания в этой области, о которых рассказываем на специализированном курсе «VISI: Computer vision на Python» в лицензированном учебном центре обучения и повышения квалификации разработчиков, менеджеров, архитекторов, инженеров, администраторов, Data Scientist’ов и аналитиков Big Data в Москве.

Источники
  1. Оригинал статьи
  2. Github команды
Комментировать