РОЗПІЗНАВАННЯ ТА КЛАСИФІКАЦІЯ РЕПТИЛІЙ ЗА ДОПОМОГОЮ ШТУЧНОЇ НЕЙРОННОЇ МЕРЕЖІ

Abstract

Від початку народження цивілізації, людина старалася систематизувати та видобувати певні знання із візуальної інформації, яку вона отримала із навколишнього середовища: наскельні малюнки, пізніше ілюстровані рукописи, ще пізніше – цілі енциклопедії з детальними зображеннями флори і фауни. А із появою камери процес отримання візуальних даних спростився в рази і надалі кількість цих даних експоненційно зростала. Виявлення рептилій за допомогою штучного інтелекту має потенціал для вирішення низки важливих питань екології, сільського господарства та наукових досліджень. Маркування дикої природи є ефективним інструментом для збереження та управління багатьма видами. Ряд методів маркування використовується для управління та збереження рептилій. Класифікація зображень із локалізацією – це віднесення зображення до заданого класу та малювання обмежувальної рамки навколо об’єкта, щоб показати, де він на ньому розташований. Розпізнавання зображень є одним із завдань, з якими успішно справляються згорткові нейронні мережі (CNN), – нейронні мережі, призначені для розпізнавання шаблонів. У статті описано тренування моделі штучної нейронної мережі, а саме YOLOv5 на 24 прошарки, яка з точністю до 85 % розпізнає та відносить плазуна на зображенні до одного із восьми визначених класів: хамелеони, крокодили, жаби, гекони, ігуани, ящірки, змії та черепахи. Дані для тренування та тестування моделі взято із відкритих джерел, зокрема пошукової системи Google а також дочірньої платформи Google – Kaggle. Кожне зображення окремо було оброблене в графічному інструменті для анотації зображень LabelImg. У такий спосіб було опрацьовано 1135 фотографій 8-ми видів рептилій, 906 з яких в тренувальній, а 229 в тестовій вибірці. Також було створено віконний застосунок на мові Python для практичного застосування моделі з можливістю завантажити фото з комп’ютера та отримати результат у вигляді зображення з окресленими на ньому знайденими рептиліями.