Спутниковые изображения с очень высоким разрешением были успешно использованы в зоологии для обнаружения и подсчета ряда видов диких животных в открытых однородных ландшафтах и морских глубинах, где целевые объекты сильно контрастируют с окружающей их средой.
Однако до сих пор ни одно исследование не обнаружило животных в сложных гетерогенных средах или слонов из космоса с использованием спутниковых изображений с очень высоким разрешением и глубокого обучения.
Что это за исследование?
В этом исследовании применяется модель сверточной нейронной сети (CNN) для быстрого нахождения и подсчета африканских слонов в экосистеме лесной саванны в Южной Африке. Используются спутниковые данные WorldView-3 и 4 — спутниковые снимки с самым высоким разрешением, доступные на рынке. Обучаются и тестируются модели на одиннадцати изображениях за 2014-2019 годы. Сравнивается точность работы CNN с человеческой точностью.
Точность обнаружения моделей CNN составила 0,78. Это сопоставимо с точностью обнаружения человеческих этикеток со средней оценкой F2 0,77. Модель CNN может быть обобщена для обнаружения слонов в другом географическом месте и со спутника с более низким разрешением.
Что показало исследование?
Исследование демонстрирует возможность применения современных спутниковых технологий дистанционного зондирования и глубокого обучения для обнаружения и подсчета африканских слонов в неоднородных ландшафтах.
Создав определенный набор данных и применив сверточную нейросеть, ученые автоматизировали обнаружение слонов на спутниковых снимках с такой же высокой точностью, как и возможности нахождения людей. Успех модели для обнаружения слонов за пределами площади с обучающими данными демонстрирует универсальность этой техники.
Нашли нарушение? Пожаловаться на содержание