Для большинства людей оценка веса медведя или цвета меха не является главным приоритетом при неожиданной встрече с ним в лесу. Желание выжить, как правило, берет верх над желанием полюбоваться крупными когтями хищника или формой его морды. Зная это, вам будет легко отличить одного медведя от другого.
Для многих экологов наблюдение за отдельными животными в течение длительного периода времени — даже лет — имеет решающее значение в усилиях по сохранению природы. Но даже эксперты легко приходят в замешательство. Это особенно актуально, учитывая частые резкие сезонные колебания веса медведей, а также то, насколько по-разному они могут выглядеть до и после зимней спячки. Чтобы помочь биологам дикой природы разобраться во всем этом, команда швейцарского университета EPFL и Тихоокеанского университета Аляски (APU) разработала PoseSwin — программу машинного обучения, способную отличать бурых медведей друг от друга. Технология была подробно описана в исследовании, недавно опубликованном в журнале Cell Current Biology.
Посесвин прошел обучение на более чем 72 000 фотографиях 109 различных бурых медведей, сделанных исследователем APU Бет Розенберг в период с 2017 по 2022 год. Розенберг делал снимки в любое время дня и ночи и в различных погодных условиях, а также старался запечатлеть разнообразное поведение медведей. Затем она и ее коллеги, опираясь на имеющиеся у них знания о физиологии бурого медведя, определили ряд анатомических деталей, которые остаются относительно неизменными на протяжении всей жизни животного. К таким особенностям относятся угол наклона надбровных дуг, расположение ушей и форма морды. Затем они включили данные о том, как медведи выглядели в разных позах и под разными углами.
“Наша биологическая интуиция подсказывала, что особенности головы в сочетании с осанкой будут более надежными, чем форма тела, которая резко меняется с увеличением веса”, — объяснил Александр Матис, соавтор проекта и исследователь из Института мозга EPFL и Института Neuro-X. “Полученные данные подтвердили нашу правоту — PoseSwin значительно превзошел модели, которые использовали изображения тела или игнорировали информацию о позе”.
После этого команда провела полевые испытания PoseSwin с помощью citizen scientists. Собрав больше портретов бурых медведей от посетителей Национального парка и заповедника Катмай (где проходит Неделя толстых медведей), исследователи загрузили фотографии в программу машинного обучения. Во многих случаях PoseSwin успешно сопоставлял отдельных медведей с теми, которые уже есть в его базе данных. Дизайнеры PoseSwin уже сейчас могут начать отслеживать, как и куда перемещаются эти хищники в поисках сезонной пищи.
“Это конкретный пример потенциала модели PoseSwin», — сказал Розенберг. — В конечном итоге эта технология может быть использована для анализа тысяч снимков, которые посетители делают каждый год, и поможет составить карту того, как бурые медведи используют эту обширную территорию”.
Розенберг и ее коллеги сейчас используют PoseSwin для наблюдения за более чем 100 медведями, обитающими в районе государственного охотничьего заповедника Макнил-Ривер, не нарушая их повседневных привычек. Таким образом, они должны получить более точную информацию о здоровье и благополучии медведей, что придаст столь необходимый импульс усилиям по сохранению.
“Медведи находятся на вершине пищевой цепочки и обеспечивают надлежащее функционирование своей экосистемы. Они имеют решающее значение для поддержания здоровья систем”, — пояснил Розенберг.
PoseSwin, скорее всего, не останется таким же ориентированным на медведей. Первые тесты показали, что он также невероятно точен при обучении на макаках, что позволяет предположить, что вскоре он может распространиться и на многие другие виды. Алгоритм машинного обучения также доступен с открытым исходным кодом, так что любой желающий может получить к нему доступ по своему предмету, хотя есть большая вероятность, что PoseSwin не составит труда идентифицировать ни одного из них.
“Медведи, пожалуй, самый сложный вид для распознавания по отдельности”, — сказал Матис. — Сначала мы сосредоточились на них, полагая, что наша программа может быть адаптирована к другим видам животных, от мышей до шимпанзе”.
