L'Université Northwestern Publie Un Article Sur La Reconnaissance Faciale Des Singes Et Rend Publics 10 Ensembles De Données Sur Les Visages d'animaux

À mesure que la reconnaissance faciale devient plus sophistiquée, les chercheurs ont commencé à étendre cette technologie aux études sur les animaux. Récemment, une équipe de recherche de l'Université Northwestern a proposé une « technologie de reconnaissance faciale des singes » qui peut non seulement identifier les singes dorés, mais aussi identifier spécifiquement de quel singe il s'agit. Ceci est d’une grande importance pour la protection des singes dorés.

Au cœur des montagnes et des forêts du Sichuan, du Shaanxi et du Gansu en Chine, vit un groupe d'espèces rares. On les appelle « singes dorés » en raison de leur fourrure dorée.

Mais la belle fourrure fait de la famille des singes dorés une cible des braconniers. De plus, les activités de production humaine telles que l’abattage d’arbres, la déforestation et la récupération des terres ont également eu un impact sérieux sur la survie des singes à nez retroussé dorés, les mettant dans une situation de danger.

Dans les années 1980 et 1990, la protection des populations de singes dorés a attiré l’attention des services compétents et diverses mesures de recherche et de protection ont été lancées les unes après les autres. Cela revêt une importance stratégique pour maintenir l’équilibre des espèces et de l’écologie entre les régions et la diversité biologique mondiale.

Utiliser l'IA pour connaître chaque singe doré

Selon les enquêtes et les estimations des services compétents, il existe actuellement environ 39 groupes de singes à nez retroussé dorés sauvages vivant dans les monts Qinling, avec un nombre total d'environ 5 000 individus. Il peut être considéré comme une espèce vedette, juste après le panda géant, trésor national.

L'équipe de recherche sur les singes dorés de l'Université du Nord-Ouest mène depuis longtemps des recherches sur le terrain concernant les singes dorés de Qinling.

Bien que leur nombre soit faible, la recherche sur les singes dorés à nez retroussé est semée d’embûches. Étant donné que la plupart des singes à nez retroussé dorés vivent dans des forêts denses en haute montagne, leur environnement de vie est caché et difficile à découvrir. Ils sont également très sensibles à l’approche humaine et sont difficiles à approcher. Il existe donc encore de nombreuses zones d'ombre concernant les singes dorés à nez retroussé.

Comment identifier avec précision, rapidité et non destructive les singes dorés à nez retroussé sauvages et mener à bien des travaux de protection et de recherche supplémentaires sur cette base est un problème difficile que les zoologistes du monde entier ont toujours été désireux de surmonter.

Pourquoi l’identification individuelle est-elle nécessaire ? Le professeur Li Baoguo de l'équipe a expliqué :L'identification précise des individus est une étape clé de la recherche sur le comportement animal. Ce n'est qu'en identifiant clairement chaque individu que nous pouvons observer son comportement sur une longue période, puis analyser son comportement social.

Auparavant, l’équipe s’appuyait sur une observation purement manuelle, partant tôt et rentrant tard chaque jour, avec des temps d’observation pouvant durer jusqu’à 10 heures. Pour un singe doré, il faut au moins 600 heures d’observation.

Ces dernières années, avec le développement de la technologie de l'intelligence artificielle, l'équipe s'est également tenue au courant des technologies de pointe et a coopéré avec des experts dans le domaine de l'informatique pour former une équipe de recherche sur l'IA animale afin d'utiliser la technologie de l'IA pour surmonter le problème de l'identification rapide et précise des identités individuelles des singes dorés.

Qui sont ces singes dans l’arbre ? La reconnaissance faciale du singe vous le dit

Sur la base des résultats de recherches à long terme sur les caractéristiques des espèces de singes dorés,L'équipe de recherche sur les singes dorés de l'Université Northwestern a utilisé les principes des réseaux neuronaux pour proposer un modèle de réseau neuronal profond avec un mécanisme d'attention et a développé le premier système de reconnaissance individuelle des animaux - le système Tri-AI, qui réalise la détection, la reconnaissance et le suivi automatiques des visages des animaux à l'aide de vidéos ou d'images d'animaux.

Les méthodes traditionnelles d’identification et de surveillance des animaux s’appuient généralement sur les caractéristiques individuelles de l’animal, telles que les marques, les couleurs, les cicatrices ou le marquage artificiel de l’animal, comme le marquage au fer rouge, le tatouage, la teinture, le baguage, les colliers radio et les marqueurs génétiques.

Le premier est limité aux caractéristiques d’espèces spécifiques et est difficile à utiliser entre espèces ; cette dernière est non seulement coûteuse, mais présente également certains risques pour les animaux et n’est pas applicable aux espèces menacées.

Différente de ces méthodes traditionnelles,**Le système Tri-AI réalise les fonctions d'identification précise et d'échantillonnage de suivi continu des individus sauvages « dans des conditions idéales et sans interférence des observateurs ».**Et il a été prouvé que le système est évolutif pour plusieurs espèces, telles que les suricates, les lions, les pandas roux et les tigres.

L'introduction du système Tri-AI a considérablement amélioré l'efficacité de l'analyse des données animales individuelles, ouvert de nouvelles voies pour la recherche zoologique et fourni un soutien technique fiable pour la réalisation de la protection de la faune et de la gestion intelligente.

**À l’heure actuelle, cette recherche est entrée dans la phase de promotion des applications.**D'une part, le développement du système « Animal Individual Identification » (V1.0) a été préliminairement achevé et utilisé pour identifier et enregistrer plusieurs populations et des milliers d'individus dans de nombreuses zones de distribution des singes dorés de Qinling, et le travail d'établissement d'une base de données d'informations individuelles pour les singes dorés de Qinling a commencé ;

D'autre part, ce travail élargit encore le secteur d'application et la portée, combine les différents scénarios d'application et besoins d'identification des animaux dans la nature et en captivité, et développe des fonctions d'identification personnalisées. Elle permettra également une gestion raffinée de la protection animale, de l’élevage, de la reproduction et de la recherche, fondée sur une identification précise des animaux.

41 espèces de primates, entraînées avec plus de 100 000 images

Afin de réaliser la fonction du système, le plus important est de fournir une grande quantité de données pour la formation.

Selon l'introduction,Les données de formation qu’ils ont utilisées comprenaient 102 399 images de 41 espèces de primates, avec un total de 1 040 individus ; L'ensemble de tests comprenait 6 562 images, dont 4 espèces de carnivores et 91 individus.

Toutes les images ont été prises avec des téléphones portables ou des appareils photo reflex avec une résolution relativement élevée, des images faciales claires et presque aucune occlusion. L'identité de chaque individu sur l'image est connue. En d'autres termes, qui est le singe numéro 1 et qui est le singe numéro 2 ont déjà été marqués à l'avance.

Voici les détails de l'ensemble de données :

Ensemble de données sur les visages d'animaux de l'AFD

**Agence d'édition :**Université Northwestern

Heure de sortie: 2020

Format des données :.jpg

**Taille des données :**377 Mo

**Types d'animaux :**10 types

Adresse de téléchargement :https://orion.hyper.ai/datasets/14657

En plus des images statiques, l’équipe a également utilisé 10 vidéos de singes dorés pour tester le système. Au total, 22 singes dorés sont apparus dans ces 10 vidéos. Le système détecte et identifie les singes dorés image par image.

Le système Tri-AI peut non seulement être appliqué à différentes espèces dans plusieurs groupes, mais peut également traiter des images en couleur et en niveaux de gris, de sorte qu'il s'agisse de photos de jour ou de nuit, elles peuvent être observées sans entrave pour répondre aux besoins des chercheurs.

Le processus de détection spécifique du système est le suivant : Tri-AI localise d’abord le visage de l’animal, puis le compare à la base de données existante. S'il y a correspondance, son numéro d'identification ou son nom est indiqué ; si aucune image correspondante n'est trouvée dans la base de données, elle sera marquée comme un nouvel individu et recevra un nouveau numéro ou nom.

Le chef d'équipe a expliqué que ce système peut non seulement reconnaître des images et des vidéos, mais également réaliser une reconnaissance en temps réel dans de bonnes conditions de communication.

La reconnaissance faciale animale a un bel avenir

Alors que la reconnaissance faciale humaine est déjà omniprésente, la technologie de reconnaissance faciale animale émerge également discrètement.

Au cours de la dernière décennie, les pays du monde entier ont lancé diverses recherches liées à la reconnaissance faciale des animaux, notamment les chimpanzés, les tigres, les pandas géants, les vaches et même les poissons (pour la reconnaissance faciale des poissons, voir« Le projet japonais de reconnaissance faciale de poissons par IA reconnaît 100 visages de poissons par minute »).

L’utilisation de l’intelligence artificielle permet non seulement aux zoologistes de gagner beaucoup de temps et d’expérience, mais aussi de mieux comprendre la vie de ces groupes d’animaux.

De plus, pour les agriculteurs, la technologie de l’IA peut les aider à mieux surveiller l’état de santé de chaque animal, réduisant ainsi les coûts d’élevage et améliorant l’efficacité de la production.

Bien sûr, en raison du démarrage tardif, il reste encore de nombreuses difficultés à surmonter dans le domaine de la reconnaissance faciale animale. Par exemple, lors de la collecte de données, certains animaux sauvages se déplacent dans des zones cachées, ce qui rend difficile la capture d’images efficaces. De plus, les animaux d’une même espèce ne diffèrent pas beaucoup en termes de visage ou de parties du corps, ce qui représente également un grand défi pour les systèmes de reconnaissance de l’IA.

Mais d’après les recherches existantes, la reconnaissance faciale animale a un grand potentiel à l’avenir, qu’elle soit appliquée à l’aquaculture ou à la protection de la faune sauvage.