La reconnaissance faciale n’est pas réservée aux humains – elle apprend également à identifier les ours et les vaches

Collier pour chien

novembre 22, 2020

Melanie Clapham n’est pas la personne ordinaire. En tant que biologiste des ours, elle a passé plus d’une décennie à étudier ces grizzlis, qui vivent à Knight Inlet, en Colombie-Britannique, au Canada, et a développé un sens de qui est qui en prêtant attention aux petites choses qui les rendent différents.

«J’utilise des caractéristiques individuelles – disons qu’un ours a une entaille dans l’oreille ou une cicatrice sur le nez», a-t-elle déclaré.

Mais Clapham sait que la plupart des gens n’ont pas le sens du détail et que l’apparence des ours change radicalement au cours d’une année – par exemple lorsqu’ils reçoivent des manteaux d’hiver et engraissent avant de se mettre à la tanière – ce qui rend encore plus difficile la distinction entre, dis, Toffee et Blonde Teddy.

Le suivi individuel des ours est important, a-t-elle expliqué, car cela peut aider à la recherche et à la conservation de l’espèce; savoir quel ours est ce qui pourrait même aider à résoudre des problèmes comme déterminer si un certain grizzly entre dans les poubelles ou attaque le bétail d’un agriculteur. Il y a plusieurs années, Clapham a commencé à se demander si une technologie généralement utilisée pour identifier les humains pourrait aider: un logiciel de reconnaissance faciale, qui compare les mesures entre les différents traits du visage d’une image à ceux d’une autre.

Clapham s’est associé à deux techniciens de la Silicon Valley et ont créé ensemble BearID, qui utilise un logiciel de reconnaissance faciale pour surveiller les grizzlis. Jusqu’à présent, le projet a utilisé l’IA pour reconnaître individuellement 132 des animaux.

Bien que la technologie de reconnaissance faciale soit connue en tant qu’outil d’identification des humains – et controversé en plus, en raison de problèmes bien connus de confidentialité, d’exactitude et de partialité – BearID est l’un des efforts déployés pour l’adapter aux animaux sauvages et à la ferme. Les partisans de la technologie, tels que Clapham, disent que c’est un moyen moins coûteux, plus durable et moins invasif (et avec des animaux comme les ours, moins dangereux) de suivre les animaux que, par exemple, attacher un collier ou percer une oreille pour attacher une RFID. marque.

Créer un ensemble de données grizzly

Pour Clapham, qui est également stagiaire postdoctoral à l’Université de Victoria, cet intérêt pour la combinaison des ours et de l’IA est en cours depuis des années. En 2017, elle a rejoint Wildlabs.net, qui relie les défenseurs de l’environnement à ceux de la communauté technologique. Là, elle a rapidement rencontré Ed Miller et Mary Nguyen – deux techniciens à San Jose, en Californie (qui se sont mariés) qui étaient intéressés par l’apprentissage automatique et par l’observation des grizzlis via webcam en direct dans un autre lieu de rencontre populaire pour les ours, Brooks Falls dans le Katmai National en Alaska. Parc.

Le trio a depuis rassemblé des milliers de photos d’ours de Knight Inlet et Brooks River pour créer des ensembles de données, et a adapté le logiciel d’intelligence artificielle existant appelé Dog Hipsterizer (utilisé, naturellement, pour ajouter des moustaches et des chapeaux idiots aux images de chiens) pour repérer les visages d’ours dans leurs images. Une fois que les visages sont détectés, ils peuvent également utiliser l’IA pour reconnaître des ours spécifiques.

“Il fait bien mieux que nous”, a déclaré Miller.

Jusqu’à présent, BearID a recueilli 4 674 images de grizzlis; 80% des images ont été utilisées pour entraîner le système de reconnaissance faciale, a déclaré Clapham, et les 20% restants pour le tester. Selon une étude récemment publiée d’elle et de ses collaborateurs, le système est précis à 84%. Cependant, l’ours que vous essayez de reconnaître doit déjà faire partie de l’ensemble de données relativement petit du groupe.

Jusqu'à présent, BearID a collecté 4 674 images de grizzlis.

Reconnaissance faciale au ranch

Alors que BearID met des noms sur des visages dans la nature, Joe Hoagland essaie de faire de même dans les ranchs de bétail. Hoagland, un éleveur de bétail à Leavenworth, Kansas, construit une application appelée CattleTracs qui, selon lui, permettra à quiconque de prendre des photos de bétail qui seront stockées avec les coordonnées GPS et la date de la photo dans une base de données en ligne. Les photos suivantes du même animal pourront correspondre aux photographies précédentes, ce qui permettra de les suivre au fil du temps.

Les bovins de boucherie, a-t-il expliqué, traversent de nombreuses personnes et lieux différents au cours de leur vie, des producteurs aux pâturages en passant par les parcs d’engraissement, puis les usines de conditionnement de la viande. Il n’y a pas beaucoup de suivi entre eux, ce qui rend difficile d’enquêter sur des problèmes tels que les maladies d’origine animale qui peuvent dévaster le bétail et peuvent également nuire aux personnes. Hoagland s’attend à ce que l’application soit disponible d’ici la fin de l’année.

“Être capable de retracer cet animal malade, trouver sa source, le mettre en quarantaine, faire la recherche des contacts – toutes les choses dont nous parlons avec le coronavirus sont des choses que nous pouvons également faire avec les animaux”, a-t-il déclaré.

CattleTracs, une application à venir pour la surveillance du bétail, utilise la technologie de reconnaissance faciale pour distinguer les animaux.

Hoagland a contacté KC Olson, professeur à la Kansas State University, qui a réuni un groupe de spécialistes de l’école dans des domaines tels que la science vétérinaire et l’informatique afin de rassembler des photos de bovins afin de créer une base de données pour la formation et le test d’un système d’IA. Ils ont construit un système de validation de principe en mars qui comprenait plus de 135 000 images de 1 000 jeunes bovins de boucherie; Olson a déclaré qu’il était précis à 94% pour identifier les animaux, qu’il les ait vus ou non auparavant.

Il a dit que c’était bien mieux que ce qu’il a vu avec les étiquettes et les lecteurs RFID, qui peuvent mal fonctionner lorsque le bétail est densément emballé.

“Il s’agit d’un bond en avant majeur en termes de précision”, a-t-il déclaré.

De l’or pour les braconniers

Bien que la reconnaissance faciale pour les animaux ne présente pas les mêmes problèmes de confidentialité, de préjugés et de surveillance que pour les humains, il y a des problèmes uniques à prendre en compte.

Par exemple, si la technologie de surveillance peut aider à protéger les animaux, elle peut également être utilisée contre eux. Tanya Berger-Wolf, co-fondatrice et directrice de Wildbook.org, qui est une plateforme d’IA pour les projets de recherche sur la faune, a souligné l’importance de contrôler l’accès aux données animales pour ceux qui ont été contrôlés.

«Ce qui est formidable pour les scientifiques et les gestionnaires de la conservation, c’est aussi de l’or pour les braconniers», a-t-elle déclaré.

C’est parce qu’un braconnier pourrait utiliser des images d’animaux, associées à des données telles que les coordonnées GPS qui peuvent être jointes aux photos, pour les trouver.

Il est également difficile de collecter un grand nombre d’images d’animaux individuels – de plusieurs points de vue, dans des conditions d’éclairage différentes, sans obstructions comme des plantes, prises à plusieurs reprises au fil du temps – pour former des réseaux d’IA.

Anil Jain, professeur d’informatique à la Michigan State University, le sait mieux que quiconque: lui et ses collègues ont étudié comment un logiciel de reconnaissance faciale pouvait être utilisé pour identifier les lémuriens, les singes dorés et les chimpanzés – l’espoir était d’aider à suivre les animaux en danger et arrêter le trafic d’animaux. Ils ont publié une application pour smartphone Android en 2018 appelée PrimID qui permet aux utilisateurs de comparer leurs propres photos de primates à celles de leur base de données.

Le logiciel BearID repère le visage d'un ours sur une image.

Jain, qui ne travaille plus sur ce projet, a déclaré que la collecte de suffisamment de photos d’animaux était particulièrement délicate – en particulier avec les lémuriens, qui peuvent se regrouper dans un arbre. Les réseaux de reconnaissance faciale pour les humains, a-t-il noté, peuvent être formés avec des millions de photos de centaines de milliers de personnes; BearID ne s’est appuyé sur qu’une fraction de plus jusqu’à présent, tout comme les recherches de Jain.

Clapham a déclaré qu’elle avait plus d’images de certains ours que d’autres, de sorte que son équipe essaie d’obtenir plus d’ours qui sont moins représentés dans l’ensemble de données. Les chercheurs veulent également continuer à entraîner leur système d’IA sur des images de pièges à caméra, qui sont des caméras équipées d’un capteur et de lumières et placées dans la nature où les animaux peuvent se promener et déclencher des enregistrements vidéo. Ils réfléchissent à la façon dont BearID pourrait aller au-delà des ours pour d’autres animaux.

“Vraiment toutes les espèces pour lesquelles nous pouvons obtenir de bonnes données d’entraînement devraient également être en mesure de développer ce type de reconnaissance faciale”, a déclaré Clapham.