Мониторинг крупных позвоночных арктической фауны с использованием интеллектуальной технологии AutoML

Представлена система распознавания и подсчета на фотоснимках, сделанных с легкого самолета, двух арктических видов животных: дикого северного оленя (Rangifer tarandus (Linnaeus, 1758)) и черной казарки (Branta bernicla (Linnaeus, 1758)). Распознающая система AutoGenNet построена на базе сверточной нейронной сети (СНС) архитектуры Mask R-CNN с применением концепции AutoML (Automated Machine Learning). В системе задействовано трансферное обучение, суть которого состоит в том, что на первом этапе система обучается распознавать разнообразные объекты с использованием стандартного массива снимков (около 328 тыс. изображений), затем дообучается на снимках целевых объектов. Такой подход позволяет уменьшить количество снимков целевых объектов с нескольких сотен тысяч при одноэтапном обучении до нескольких сотен при двухэтапном обучении. Синтез модели CНС на основе размеченных снимков в системе AutoGenNet выполняется автоматически. Для разметки изображений животных на фотоснимках и подготовки обучающей выборки разработана специальная программа Markup.

Первый этап обучения системы выполняется один раз специалистами по СНС и глубокому обучению. Второй этап обучения может выполняться многократно с целью дообучения системы, допустившей ошибки при распознавании объектов. Работу на этом этапе могут выполнять пользователи системы, не имеющие специального образования в области обучения СНС.

Возможны два варианта работы с системой – автономный режим при наличии необходимых вычислительных ресурсов или работа по сети Интернет с AutoGetNet, размещенной на серверах СПб ФИЦ РАН. Представленная в статье модель СНС была обучена на 100 снимках стад диких северных оленей. Ошибка распознавания оленей на независимом массиве данных составила около 18%. Для распознавания черных казарок использовалось 260 снимков стай птиц в разных средах – на суше, на воде и в воздухе. Ошибка распознавания составила около 32%. Система AutoGenNet является унифицированной в отношении объектов распознавания и может, без каких-либо изменений в программе, быть обучена распознавать другие виды животных, при условии их различимости на фотоснимках.