Нейросеть научили распознавать акул по плавнику

Белые акулы — вид хрящевых рыб семейства сельдевых акул (Lamnidae). Вместе со скатами (Batoidea) C. carcharias составляют подкласс пластинчатожаберных (Eiasmobranchii), особенностями которых являются, например, наличие плакоидной чешуи и относительно асинхронное раскрытие жаберных отверстий. Длина тела белых акул может достигать пяти метров, что делает их одними из крупнейших хищников на Земле. При этом C. carcharias относится к уязвимым видам.

Охранный статус белых акул связан с систематическим браконьерством: в ряде стран (Южно-Африканская Республика, Китай) части тела этих животных, в том числе зубы и плавники, считаются дорогим сувениром или деликатесом. Кроме того, белые акулы могут попадать в коммерческие сети, затем погибая из-за травм. Прошлые исследования показали, что только в Южной Австралии доля повторного вылова акул браконьерами составляет от четырех до шести процентов.

Охрана вида осложняется отсутствием универсальных методов, позволяющих отслеживать динамику популяций в различных районах. Одним из наиболее доступных способов идентификации отдельных C. carcharias является визуальное различие пильчатых зазубрин на спинном плавнике: считается, что их сочетание уникально для каждой особи. Однако известные компьютерные алгоритмы не способны распознавать эти зазубрины с высокой точностью.

Большинство таких программ (DARWIN, FINSCAN) рассчитаны на работу с морскими млекопитающими, в частности с афалиной (Tursiops truncatus): в ходе работы фотография спинного плавника, сделанная с произвольного ракурса, в полуавтоматическом режиме сравнивается с имеющимися в базе. Другие пакеты (I³S) обеспечивают нужную точность распознавания обыкновенных песчаных акул (Carcharias Taurus), но при наличии двух изображений с определенного ракурса.

Чтобы упростить идентификацию пластинчатожаберных и повысить ее точность, ученые из Стелленбосского университета и других учреждений разработали новое программное обеспечение Identifin. С 2009 по 2011 год ведущий автор работы, морской биолог Сара Андреотти (Sara Andreotti) вручную собрала 4397 фотографий, на которых были запечатлены 426 белых акул. Затем для каждой особи Андреотти выбрала по два снимка наилучшего качества, сократив их число до 744.

Разработкой программной платформы занимались специалист в области машинного обучения Бен Хербст (Ben Herbst) и программист Питер Хольцхаузен (Pieter Holtzhausen). В основу системы лег алгоритм динамической трансформации временной шкалы (DTW), который используется в распознавании речи. Для собственно обработки фотографий ученые задействовали фильтр Собеля — он вычисляет приближенное значение градиента яркости изображения.

В ходе работы с Identifin нижнюю и верхнюю границы спинного плавника оператор помечает самостоятельно, поскольку плавник имеет неправильную форму, а его видимое основание часто скрывается под водой. Затем алгоритм автоматически сопоставляет загруженный снимок с имеющимися в базе. Точность распознавания системы составляет 80 процентов. После идентификации новой фотографии автоматически присваивается имя, и она помещается в соответствующую папку.

Для сравнения, точность распознавания акул у DARWIN составляет 66,34 процента. По мнению авторов, в будущем Identifin можно адаптировать к другим параметрам и животным. Так, идентификацию горбатых китов (Megaptera novaeangliae) в ее случае можно осуществлять по хвостовому плавнику после замены модуля распознавания. Кроме того, разработка универсального программного обеспечения стандартизирует работу разных исследовательских групп, считают ученые.