作者

曾响铃

文

响铃说

大量的野外拍摄照片需要专家人工识别并进行注释，费时费力；

决策者可以很快决定该如何采取行动，但在这之前要花很长时间等待数据分析结果；

帮助行业专家和公益界人士更好地优化保护方式的科学研究，常常因为野外图像数据支撑还不够导致进展缓慢……

动物保护已经成为人类共识，但在行动上却因为数据处理和挖掘速度根不上而面临种种尴尬。随着渡渡鸟、大海雀、塔斯马尼亚虎、西部黑犀牛等珍惜动物的灭绝，生态系统所面临的潜在不利影响正在放大，强化动物保护的科研认知、加快实践落地工作变得更加紧迫。

在这样的大背景下，人工智能介入动物保护就变得顺理成章，这些年从国内到国外大量的公益组织与科技企业都在尝试用AI推动与动物保护有关的图像数据处理工作。

然而，对AI模型开发而言，濒危野生动物保护与其他多数领域相比面临十分复杂的挑战，高效的AI开发框架和专业的技术团队支撑变得更加重要，在业内，已有相关的合作在开展，例如某自然保护机构就与来自昇腾AI产业生态的昇思MindSpore开源社区合作，共同将AI应用于生物多样性保护场景。

这种合作，将推动照片识别流程的速度，节省人力和时间，并将野外相机抓拍到的珍贵动物数据更快地反馈到科研和保护工作当中，而其过程，也是克服动物保护领域的独特挑战。

数据端被“扎口”，AI动物保护在模型端承受更大压力

经过数年积淀，立足自主AI计算架构的昇腾AI产业生态已经度过原始的积累期，在生态伙伴、行业场景等方面不断突破，推动着千行百业的智能化升级。现在，昇腾以昇思MindSpore开源社区进入公益领域并不令人意外。

而无论与谁合作、服务于谁，昇腾AI产业要“搞定”一个场景往往需要针对性的合作模式与技术创新——在与上述自然保护机构的合作中，AI参与动物保护就面临独特的训练数据挑战。

从官方公布的信息看，双方首期投入作为训练集的数据主要来自上述自然保护机构与其他合作机构从开始所积累的野外红外相机数据，一共张照片，其中张作为训练集，张作为验证集。

这些照片来支撑一个AI模型的开发，面临两个问题：

一是数据总量“不上不下”，上万张照片用人工去分析、挖掘数据耗时费力，但对AI来说又似乎并不充裕，尤其是照片还分为了雪豹、岩羊、白唇鹿等常见的10个物种或物种类别，进一步“稀释”了数据的垂直度，而照片数据的获取与增长本身还受限于采集条件；

二是数据质量不佳，部署于野外的红外相机所获取的图像往往难以清晰、完整，模糊的身影、与周边环境难以区分等问题常常出现。

这就形成了一个尴尬的逻辑链条：一个动物越濒危，其保护就越重要，AI越是应当参与进来，但是，能够获取到的图像数量和质量往往也越差，又给AI带来了更大的挑战，即“越重要就越困难”。

于是，一个AI模型开发所主要

转载请注明:http://www.aideyishus.com/lktp/2992.html