क्या होता है जब पक्षियों पर चेहरे की पहचान होती है? विज्ञान बताते हैं

एक विचारक के रूप में, मैंने सुना था कि यदि आप अपने पक्षी भक्षण करने वाले डाउन वुडपेकर पर सिर के पंखों पर सावधानी से ध्यान देते हैं, तो आप व्यक्तिगत पक्षियों को पहचानना शुरू कर सकते हैं। इसने मुझे घेर लिया। मैं यहां तक ​​कि अपने स्वयं के भक्षण पर पक्षियों की स्केचिंग करने की कोशिश करने के लिए इतनी दूर चला गया था और यह सच था, एक बिंदु तक।

इस बीच, एक कंप्यूटर वैज्ञानिक के रूप में मेरे दिन की नौकरी में, मुझे पता था कि अन्य शोधकर्ताओं ने उच्च सटीकता के साथ डिजिटल छवियों में व्यक्तिगत चेहरों को पहचानने के लिए मशीन सीखने की तकनीक का इस्तेमाल किया था।

इन परियोजनाओं ने मुझे अपने दिन के काम के साथ अपने शौक को संयोजित करने के तरीकों के बारे में सोचा। क्या व्यक्तिगत पक्षियों की पहचान करने के लिए उन तकनीकों को लागू करना संभव होगा?

इसलिए, मैंने डेटा एकत्र करने के लिए एक उपकरण बनाया: एक प्रकार का पक्षी फीडर जो कठफोड़वा और एक मोशन-एक्टिवेटेड कैमरा द्वारा इष्ट है। मैंने अपने उपनगरीय वर्जीनिया यार्ड में अपना निगरानी केंद्र स्थापित किया और पक्षियों को दिखाने के लिए इंतजार किया।

छवि वर्गीकरण

छवि वर्गीकरण तकनीक की दुनिया में एक गर्म विषय है। फ़ेसबुक, ऐप्पल और गूगल जैसी प्रमुख कंपनियां सक्रिय रूप से इस समस्या पर शोध कर रही हैं ताकि सोशल मीडिया पोस्ट में दृश्य खोज, दोस्तों की ऑटो-टैगिंग और आपके सेलफोन को अनलॉक करने के लिए आपके चेहरे का उपयोग करने की क्षमता जैसी सेवाएं प्रदान की जा सकें। कानून प्रवर्तन एजेंसियां ​​बहुत रुचि रखती हैं, मुख्य रूप से डिजिटल इमेजरी में चेहरे पहचानने के लिए।

जब मैंने इस परियोजना पर अपने छात्रों के साथ काम करना शुरू किया, तो छवि वर्गीकरण अनुसंधान ने एक ऐसी तकनीक पर ध्यान केंद्रित किया जो किनारों, कोनों और समान रंग के क्षेत्रों जैसी छवि सुविधाओं पर ध्यान केंद्रित करती थी। ये अक्सर ऐसे टुकड़े होते हैं जिन्हें किसी पहचानने योग्य वस्तु में इकट्ठा किया जा सकता है। वे दृष्टिकोण लगभग 70 प्रतिशत सटीक थे, जिसमें सैकड़ों श्रेणियों के साथ बेंचमार्क डेटा सेट और हजारों प्रशिक्षण उदाहरण हैं।

हाल के शोध ने कृत्रिम तंत्रिका नेटवर्क के उपयोग की ओर रुख किया है, जो अपनी विशेषताओं को पहचानते हैं जो सटीक वर्गीकरण के लिए सबसे उपयोगी साबित होते हैं। तंत्रिका नेटवर्क को मानव मस्तिष्क में न्यूरॉन्स के बीच संचार के पैटर्न पर बहुत शिथिल रूप से तैयार किया जाता है। संवैधानिक तंत्रिका नेटवर्क, जिस प्रकार का उपयोग हम अब पक्षियों के साथ अपने काम में कर रहे हैं, उसे उन तरीकों से संशोधित किया जाता है, जो दृश्य कॉर्टेक्स पर बनाए गए थे। यह उन्हें छवि वर्गीकरण समस्याओं के लिए विशेष रूप से अच्छी तरह से अनुकूल बनाता है।

कुछ अन्य शोधकर्ताओं ने पहले ही जानवरों पर इसी तरह की तकनीकों की कोशिश की है। मैं विलियम्स कॉलेज के कंप्यूटर वैज्ञानिक एंड्रिया डैनिलुक के भाग से प्रेरित था, जिन्होंने व्यक्तिगत स्पोटेड सैलैंडर्स की पहचान करने के लिए मशीन लर्निंग का उपयोग किया है। यह काम करता है क्योंकि प्रत्येक समन्दर में धब्बों का एक विशिष्ट पैटर्न होता है।

बर्ड आईडी पर प्रगति

जबकि मेरे छात्रों और मेरे पास अधिकांश शोधकर्ताओं और कंपनियों के साथ काम करने के लिए लगभग कई छवियां नहीं थीं, हमें कुछ बाधाओं का लाभ मिला था जो हमारे क्लासिफायर की सटीकता को बढ़ा सकते थे।

हमारी सभी छवियां एक ही दृष्टिकोण से ली गई थीं, एक ही पैमाने पर थीं और सीमित संख्या में श्रेणियों में गिरी थीं। सभी ने बताया, मेरे क्षेत्र में केवल 15 प्रजातियों ने फीडर का दौरा किया। उन में से, केवल 10 ने अक्सर एक क्लासिफायरियर के प्रशिक्षण के लिए एक उपयोगी आधार प्रदान करने के लिए पर्याप्त दौरा किया।

छवियों की सीमित संख्या एक निश्चित बाधा थी, लेकिन छोटी संख्या में श्रेणियों ने हमारे पक्ष में काम किया। जब यह पहचानने की बात आई कि क्या एक छवि में पक्षी एक मुर्गी, एक कैरोलिना विरेन, एक कार्डिनल या कुछ और है, तो चेहरे की पहचान एल्गोरिथ्म पर आधारित एक प्रारंभिक परियोजना ने लगभग 85 प्रतिशत सटीकता प्राप्त की - जो हमें समस्या में रुचि रखने के लिए पर्याप्त थी।

छवियों में पक्षियों की पहचान करना "ठीक-ठीक वर्गीकरण" कार्य का एक उदाहरण है, जिसका अर्थ है कि एल्गोरिथ्म उन वस्तुओं के बीच भेदभाव करने की कोशिश करता है जो केवल एक दूसरे से थोड़ा अलग हैं। फीडर पर दिखाई देने वाले कई पक्षी लगभग एक ही आकार के होते हैं, उदाहरण के लिए, इसलिए एक प्रजाति और दूसरे के बीच का अंतर बताना काफी चुनौतीपूर्ण हो सकता है, यहां तक ​​कि अनुभवी मानव पर्यवेक्षकों के लिए भी।

जब आप व्यक्तियों को पहचानने की कोशिश करते हैं तो यह चुनौती पूरी हो जाती है। अधिकांश प्रजातियों के लिए, यह संभव नहीं है। कठफोड़वा जो मुझे दिलचस्पी था, ने दृढ़ता से प्रतिरूप तैयार किया है, लेकिन यह अभी भी काफी हद तक व्यक्तिगत से समान है।

इसलिए, हमारी सबसे बड़ी चुनौतियों में से एक हमारे वर्गीकरण को प्रशिक्षित करने के लिए डेटा लेबल करने का मानवीय कार्य था। मैंने पाया कि नीचे के कठफोड़वा के पंख व्यक्तियों के बीच अंतर करने का एक विश्वसनीय तरीका नहीं है, क्योंकि वे पंख बहुत आगे बढ़ते हैं। वे चिड़चिड़ेपन या अलार्म को व्यक्त करने के लिए पक्षियों द्वारा उपयोग किए जाते हैं। हालांकि, मुड़े हुए पंखों पर धब्बे के पैटर्न अधिक सुसंगत हैं और एक से दूसरे को बताने के लिए बस ठीक काम करने लगते हैं। उन पंखों के पंख लगभग हमेशा हमारी छवियों में दिखाई देते थे, जबकि पक्षी के सिर के कोण के आधार पर सिर के पैटर्न को अस्पष्ट किया जा सकता है।

अंत में, हमारे पास आठ अलग-अलग कठफोड़वा के 2,450 चित्र थे। जब व्यक्तिगत कठफोड़वाओं की पहचान करने की बात आई, तो हमारे प्रयोगों ने 97 प्रतिशत सटीकता हासिल की। हालाँकि, उस परिणाम को और सत्यापन की आवश्यकता है।

यह पक्षियों की मदद कैसे कर सकता है?

पक्षीविज्ञानियों को सटीक डेटा की आवश्यकता है कि समय के साथ पक्षी आबादी कैसे बदलती है। चूंकि कई प्रजातियां अपने निवास स्थान की जरूरतों में बहुत विशिष्ट हैं, जब यह प्रजनन, सर्दियों और प्रवासन की बात आती है, ठीक-ठाक डेटा एक बदलते परिदृश्य के प्रभावों के बारे में सोचने के लिए उपयोगी हो सकता है। समय के साथ स्थानीय प्रजातियों की बहुतायत को समझने के लिए निम्न प्रजातियों जैसे डेटा को अन्य जानकारी से मिलान किया जा सकता है, जैसे कि भूमि उपयोग के नक्शे, मौसम के पैटर्न, मानव जनसंख्या वृद्धि और इसके आगे की जानकारी।

मेरा मानना ​​है कि एक मामूली निगरानी स्टेशन मामूली लागत पर पहुंच के भीतर है। मेरी निगरानी स्टेशन की लागत $ 500 के आसपास है। हाल के अध्ययनों से पता चलता है कि छवियों के बहुत व्यापक समूह का उपयोग करके एक क्लासिफायरियर को प्रशिक्षित करना संभव है, फिर इसे जल्दी से ट्यून करना और व्यक्तिगत कम्प्यूटेशनल मांगों के साथ व्यक्तिगत पक्षियों को पहचानना है।

ऑर्निथोलॉजी के ईजियार्ड की कॉर्नेल प्रयोगशाला जैसी परियोजनाओं ने जनसंख्या की गतिशीलता की निगरानी के लिए नागरिक वैज्ञानिकों की एक छोटी सी सेना को जमीन पर रखा है, लेकिन उन डेटा का थोक उन स्थानों से होता है जहां लोग कई हैं, बजाय विशिष्ट हित के स्थानों से।

एक स्वचालित निगरानी स्टेशन का दृष्टिकोण विशिष्ट प्रजातियों या विशिष्ट स्थानों से संबंधित वन्यजीव जीवविज्ञानियों के लिए एक बल गुणक प्रदान कर सकता है। यह न्यूनतम मानव हस्तक्षेप के साथ डेटा एकत्र करने की उनकी क्षमता को व्यापक करेगा।

यह लेख मूल रूप से लुईस बार्नेट द्वारा वार्तालाप पर प्रकाशित हुआ था। मूल लेख यहां पढ़ें।