7
Календарь конференций
  • 2 июня

    Семинар по электромагнитным зондированиям Земли, посвящённый 100-летию профессора Марка Наумовича Бердичевского

  • 8 – 9 июня

    JOURNALISM EDUCATION IN RUSSIA AND CHINA IN THE AGE OF DIGITALIZATION

  • 15 – 17 сентября

    Всероссийская молодежная школа-конференция «Молекулярные механизмы регуляции физиологических функций»

  • 21 сентября

    Конференция, посвящённая 100-летию со дня рождения Е. Е. Милановского

  • 23 – 24 ноября

    Международная научная конференция «VIII Соколовские научные чтения: Русская литература в периодических изданиях»

Все конференции
20/07/21

Нейронные сети научились узнавать свыше 90% фотографий растений флоры России

Нейронные сети легко узнают растения в природе в разные сезоны: например, рогоз широколистный (Typha latifolia) по сухим остаткам прошлогодних листьев
Нейронные сети легко узнают растения в природе в разные сезоны: например, рогоз широколистный (Typha latifolia) по сухим остаткам прошлогодних листьев

Международная платформа iNaturalist представила новую модель автоматического распознавания живых организмов по фотографиям с использованием нейронных сетей. Модель включает 38 тысяч видов, что в полтора раза больше, чем в прошлом году. В неё включены 2 680 видов флоры нашей страны, найденные участниками проекта МГУ «Флора России».

Для включения в обучающий набор данных у того или иного вида растений, грибов или животных должно быть более 100 фотонаблюдений в базе, половина наблюдений при этом должна быть верифицирована вручную. Из 7 407 видов, отмеченных в проекте «Флора России», 36% видов растений надёжно узнаются нейросетевыми алгоритмами. Однако эти виды покрывают 94,5% всех загруженных пользователями находок.

«Разработка алгоритмов распознавания биологических видов по фотографиям – это результат работы большой команды под руководством американских коллег из Силиконовой долины, – рассказал ведущий научный сотрудник биологического факультета МГУ доктор биологических наук Алексей Серегин. – Задача нашей группы заключается в постоянном мониторинге тысяч фотографий, поступающих от российских пользователей платформы, и их надёжном определении. Именно рост числа достоверных находок по редким и эндемичным видам флоры России, в том числе из труднодоступных мест, позволил столь радикально увеличить покрытие системы».

Впрочем, географическое покрытие данными пока неравномерно. Так, модель автоматического распознавания видов охватывает уже свыше 99% наблюдений из регионов Средней России, 97% из Свердловской области и 93% из Алтайского края. В то же время горы и другие места концентрации биологического разнообразия, столь интересные учёным, пока хуже знакомы искусственному интеллекту. Так, в Краснодарском крае и Крыму нейронная сеть может распознать около 83% изображений, в Горном Алтае – 76%, а в Дагестане только 61%. В богатейшей флоре юга Приморского края, которая включает виды тропического происхождения, пока распознается лишь половина фотографий.

В 2021 году пройдет масштабный конкурс для специалистов по машинному обучению iNat Challenge 2021. Цель конкурса: применить современные подходы к автоматической классификации изображений для реальных данных в виде миллионов фотографий живых существ, определенных экспертами. Лучшие команды будут приглашены для презентации своей работы.

Роль непрофессиональных исследователей в сборе данных о биоразнообразии трудно переоценить: свыше 1,7 млн участников iNaturalist сделали около 73 млн наблюдений по всему миру, в т.ч. 1,5 млн фотографий растений России. В этой работе принимает участие около 15 тысяч российских пользователей платформы, а многие университеты России используют платформу iNaturalist в учебном процессе. Любой пользователь может присоединиться к сбору данных о биоразнообразии России, а собираемые участниками данные находятся в открытом доступе.

Совершенствование нейросетевых алгоритмов поможет учёным систематизировать поток данных о биоразнообразии. Собранные материалы по растениям нашей страны лягут в основу «Атласа флоры России», который создаётся учеными Московского университета по гранту РНФ.