生物學家想用面部識別系統去認狐猴的臉，還真成功了

編者按：在人類面部識別已不再陌生的現今社會， 動物的面部識別系統也已陸續登場。 生物人類學家Jacobs為了能幫助其他人區分狐猴， 與大量的電腦視覺專家合作， 研發出了一款名為LemurFaceID的面部識別系統。 本文為大家介紹了該系統的工作原理。

Centre Valbio研究站是由石頭和玻璃搭起的現代建築， 其位於馬達加斯加的Ranomafana國家公園邊緣的叢林丘陵中， 看起來像是The Wire的第三季。 大的夾板襯在牆上， 每一個夾板上都覆蓋著幾十張排列好的照片。 一些圖片以家庭為組被分在一起， 而其他的則被單獨放置， 不與其他連接。

2012年， Rachel Jacobs使用McNulty偵探的策略， 解決了一個非常與眾不同的問題：公園中的紅腹狐猴的數量。

生物人類學家Jacobs研究狐猴的顏色視覺是如何進化的， 這意味著要跟蹤超過100個動物。 她可以很好地區分出它們。 Jacobs完成論文後， 她的Ranomafana同事不斷地向她求助區分狐猴， 這些請求如狂風暴雨般襲來。 所以Jacobs開始發送電子郵件給她能找到的每一個電腦視覺專家。 上周， 經過與密西根州立大學的學生和教師的多年合作， Jacobs用她多年來收集的照片， 終於訓練出相應的人工智慧深度神經網路。 因此她也終於可以發佈她的第二套眼睛“LemurFaceID”了。

該程式是一個面部識別系統， 很像Facebook和Google用於人的面部識別系統。 但是， 這套系統不是看面部幾何， 比如眼睛之間的距離，

或者鼻子的長度——LemurFaceID使用10×10圖元的正方形來識別毛皮紋理的差異。 （也像人臉識別軟體一樣， 照片必須是黑白的， 以便LemurFaceID能夠工作。 ）它能夠正確地識別98.7％的已知個體中的狐猴。

面部識別軟體， 如Facebook的相關軟體， 需要大量的培訓資料——數百萬張照片， 但Jacobs只有數百個狐猴圖片。 所以他們不得不另闢蹊徑， 不再使用一個搜索圖像， 而是將兩個融合在一起， 並手動標注告知電腦每個狐猴的眼睛的位置。 “這警醒了我們， ”雅各說， ：“對於一個狐猴生物學家來說， 超過20個個體的樣本就是一個大資料集。 為了進一步實現自動化， 我們需要更多的相機和更多的照片。 ”

“我不認為我們應該完全依賴任何電腦系統進行識別， ”Jacobs說， 她現在是喬治華盛頓大學的博士後。

相對於捕獲、藥物和套管或標記， 這確實是一種侵入性較小的技術。 那些過程雖然可以收集到額外的資料， 如健康評估和DNA樣本， 但總會對動物帶來傷害， 或有擾亂團體動態的風險。

狐猴不是唯一受益于更新和更好的電腦視覺和人工智慧系統的動物。 德國的一個小組開始對黑猩猩進行類似的面部識別。 剛果的生態學家使用電腦視覺技術根據斑馬獨特的條紋對其進行跟蹤。 Dartmouth的科學家最近開發了一種稱為Wild-ID的模式匹配演算法以監測坦尚尼亞大角羚和長頸鹿的大規模遷徙。 它對於長頸鹿來說效果非常好， 他們已經停止捕捉和標記動物， 他們對長頸鹿數量統計學進行了最大規模的研究。

在LemurFaceID論文出來後，

密西根州的合作作者之一的Anil Jain開始收到來自全球生物學家的電子郵件， 希望知道是否有可能為他們製作系統。 從蒙大拿的灰熊到印度的大象， 科學家們紛紛呼籲獲得更多的相機和更多的電腦， 包括計數、監測和跟蹤它們的野生生活。 目前Jain尚未與任何人達成新的合作夥伴關係， 但他對這個領域的潛力很樂觀。  “我們做的是沒有錢的小項目， ”他說：“但如果有更多的時間和資源， 你可以做更多的事情。 ”

翻譯來自：蟲洞翻翻 譯者ID：YLS 編輯：郝鵬程