夏威夷大學(xué)開(kāi)發(fā)出用于識(shí)別鯨魚和海豚的面部識(shí)別軟件

**夏威夷大學(xué)馬諾阿分校的夏威夷海洋生物研究所（HIMB）的研究人員開(kāi)發(fā)了一種突破性的新工具，使用面部識(shí)別技術(shù)來(lái)識(shí)別野生的鯨魚和海豚個(gè)體。**該工具可以識(shí)別24種海洋哺乳動(dòng)物，可能會(huì)改變夏威夷海洋哺乳動(dòng)物的管理和保護(hù)制度。

該研究發(fā)表于《生態(tài)學(xué)與進(jìn)化方法》（Methods in Ecology and Evolution），它基于一項(xiàng)用于人類面部識(shí)別的最先進(jìn)技術(shù)，最初是為Kaggle競(jìng)賽（數(shù)據(jù)科學(xué)競(jìng)賽平臺(tái)）而設(shè)計(jì)的。這項(xiàng)競(jìng)賽要求工程師們開(kāi)發(fā)一種工具，可以使用算法單獨(dú)識(shí)別鯨魚和海豚。研究人員開(kāi)發(fā)的算法可以隨著時(shí)間的推移識(shí)別相同的個(gè)體，并能夠研究個(gè)體的行為和運(yùn)動(dòng)模式。它還可以幫助估計(jì)種群規(guī)模和趨勢(shì)，這對(duì)保護(hù)夏威夷鯨魚和海豚至關(guān)重要。不僅如此，該工具還將加快勘測(cè)期間的信息收集過(guò)程。一旦研究人員在現(xiàn)場(chǎng)拍攝了動(dòng)物個(gè)體的照片，他們就可以在實(shí)驗(yàn)室里通過(guò)算法來(lái)快速識(shí)別該物種，并幫助收集重要數(shù)據(jù)。

圖：16張?chǎng)L目動(dòng)物的照片，每一行包含4張相同個(gè)體的照。研究模型要從不同角度，在不同的光照條件下，以及在不同的環(huán)境中識(shí)別個(gè)體。此外，它必須將學(xué)習(xí)從一個(gè)物種如偽虎鯨Pseudorca crassiden（首行）轉(zhuǎn)移到相似物種如虎鯨Orcinus orca(第二行)，同時(shí)將它們與不太相似的物種如座頭鯨Megaptera novaeangliae(第三行)和非常不同的物種如南露脊鯨Eubalaena australis(末行)區(qū)分開(kāi)來(lái)

團(tuán)隊(duì)的六名研究人員分享了代表六大洲和24個(gè)物種的寶貴圖像數(shù)據(jù)，以推進(jìn)鯨類動(dòng)物的研究和保護(hù)。

這種新工具提供了一種非侵入性的方法來(lái)觀察鯨魚和海豚的行為，并可能成為海洋哺乳動(dòng)物生態(tài)學(xué)領(lǐng)域研究人員的寶貴工具。由于該工具在對(duì)許多鯨類物種進(jìn)行分類方面具有很高的預(yù)測(cè)性能，因此在類似的調(diào)查環(huán)境中，如相機(jī)陷阱調(diào)查中，該工具有望在其他多物種目錄中發(fā)揮良好的作用。有了這個(gè)工具，研究人員可以更好地了解夏威夷甚至世界各地的海洋哺乳動(dòng)物的行為和生態(tài)。

參考文獻(xiàn)：

1. A deep learning approach to photo–identification demonstrates high performance on two dozen cetacean species

2. Patton P T, Cheeseman T, Abe K, et al. A deep learning approach to photo–identification demonstrates high performance on two dozen cetacean species[J]. Methods in Ecology and Evolution, 2023. https://doi.org/10.1111/2041-210X.14167

編譯：Sara

審核：Daisy

編輯：Tommy