Как нейросети помогают сохранять снежных барсов
Снежный барс занесен в международную Красную книгу как уязвимый вид, а в 1980-х числился в ней как вымирающий. Сегодня в мире от 4000 до 7000 особей, а в Казахстане — около 190.
Барсов сложно изучать: это скрытное животное, которое обитает в горах на высоте до 6000 метров. Основной метод изучения снежных барсов — фотоловушки, расставленные на тропах животного.
Таких фотоловушек в Казахстане около 500, каждая делает до 40 тысяч снимков, на которые попадают и барсы, и другие животные, и просто пролетающие листья. Разобрать такой объем у человека занимает недели, а у нейросети — менее часа.
Yandex Qazaqstan совместно со студентами Казахстанско-Британского технического университета создала нейросеть, которая умеет определять отдельные особи снежных барсов. Это важно, чтобы ученые понимали, что видят ранее не замеченных барсов, следили за перемещениями конкретных особей и знали, когда и у каких животных появилось потомство.
Фотографии для обучения предоставляет Институт зоологии Республики Казахстан и работающий на его основе Центр мониторинга снежного барса. Научные сотрудники также помогают с разметкой изображений: чтобы нейросеть научилась определять животное, ей нужно показать тысячи его фотографий.
Система работает на базе облачной платформы Yandex Cloud, которая поддерживает научные и образовательные проекты в Казахстане. Yandex Cloud предоставляет сервисы и вычислительные ресурсы для научно-исследовательских работ и учебных проектов по машинному обучению, компьютерному зрению, анализу данных и другим направлениям.
"Распознавание отдельных особей барсов — сложная и важная задача. В проектах по сохранению снежного барса, в которых такие параметры, как численность и плотность популяции, не учитываются, крайне трудно расставить правильные природоохранные приоритеты. Другими словами, без точного учета эти защитные меры могут оказаться малоэффективными. Так, например, совсем недавно в рамках данного проекта мы обнаружили популяцию из 20 ранее не замеченных барсов в национальном парке "Алтын-Эмель". Мы гордимся тем, что смогли сохранить еще одну популяцию, ведь теперь она будет защищена намного лучше. Этот проект также станет важным вкладом для всего международного сообщества, занимающегося изучением снежных барсов", — отмечает Алексей Грачев, руководитель Центра мониторинга снежного барса при Институте зоологии РК и исполнительный директор фонда Snow Leopard Foundation.
"Одна из задач Yandex Cloud — поддерживать научно-исследовательские и социально значимые инициативы в регионе. Проект по распознаванию снежных барсов соответствует этому курсу и показывает, как современные технологии помогают в реальной жизни. Подобную нейросеть могут применять и другие команды, которые изучают животных или любые экосистемы: почву, воздух, воду. Мы открыты к сотрудничеству, готовы делиться экспертизой и помогать научному сообществу вычислительными мощностями, инструментами и технологиями", — комментирует Евгений Хохлунов, руководитель направления экологических проектов Yandex Cloud.
Что угрожает снежному барсу, как выглядит эта большая кошка и как ученые помогают сохранению вида — читайте в специальном проекте.
Барсов сложно изучать: это скрытное животное, которое обитает в горах на высоте до 6000 метров. Основной метод изучения снежных барсов — фотоловушки, расставленные на тропах животного.
Таких фотоловушек в Казахстане около 500, каждая делает до 40 тысяч снимков, на которые попадают и барсы, и другие животные, и просто пролетающие листья. Разобрать такой объем у человека занимает недели, а у нейросети — менее часа.
Yandex Qazaqstan совместно со студентами Казахстанско-Британского технического университета создала нейросеть, которая умеет определять отдельные особи снежных барсов. Это важно, чтобы ученые понимали, что видят ранее не замеченных барсов, следили за перемещениями конкретных особей и знали, когда и у каких животных появилось потомство.
Фотографии для обучения предоставляет Институт зоологии Республики Казахстан и работающий на его основе Центр мониторинга снежного барса. Научные сотрудники также помогают с разметкой изображений: чтобы нейросеть научилась определять животное, ей нужно показать тысячи его фотографий.
Система работает на базе облачной платформы Yandex Cloud, которая поддерживает научные и образовательные проекты в Казахстане. Yandex Cloud предоставляет сервисы и вычислительные ресурсы для научно-исследовательских работ и учебных проектов по машинному обучению, компьютерному зрению, анализу данных и другим направлениям.
"Распознавание отдельных особей барсов — сложная и важная задача. В проектах по сохранению снежного барса, в которых такие параметры, как численность и плотность популяции, не учитываются, крайне трудно расставить правильные природоохранные приоритеты. Другими словами, без точного учета эти защитные меры могут оказаться малоэффективными. Так, например, совсем недавно в рамках данного проекта мы обнаружили популяцию из 20 ранее не замеченных барсов в национальном парке "Алтын-Эмель". Мы гордимся тем, что смогли сохранить еще одну популяцию, ведь теперь она будет защищена намного лучше. Этот проект также станет важным вкладом для всего международного сообщества, занимающегося изучением снежных барсов", — отмечает Алексей Грачев, руководитель Центра мониторинга снежного барса при Институте зоологии РК и исполнительный директор фонда Snow Leopard Foundation.
"Одна из задач Yandex Cloud — поддерживать научно-исследовательские и социально значимые инициативы в регионе. Проект по распознаванию снежных барсов соответствует этому курсу и показывает, как современные технологии помогают в реальной жизни. Подобную нейросеть могут применять и другие команды, которые изучают животных или любые экосистемы: почву, воздух, воду. Мы открыты к сотрудничеству, готовы делиться экспертизой и помогать научному сообществу вычислительными мощностями, инструментами и технологиями", — комментирует Евгений Хохлунов, руководитель направления экологических проектов Yandex Cloud.
Что угрожает снежному барсу, как выглядит эта большая кошка и как ученые помогают сохранению вида — читайте в специальном проекте.