从最小样本中识别鸟类

Posted find1

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了从最小样本中识别鸟类相关的知识,希望对你有一定的参考价值。

https://www.innocentive.com/ar/workspace/challengeDetail?challenge=9934216

背景

每年有数万次私人,商业和军用飞机经历鸟击。了解鸟的大小/种类对于确定是否需要对飞机进行更多侵入性结构检查至关重要。诊断以确定需要进一步结构调查的程度,考虑鸟类的质量。从外行人身上识别鸟类通常是不可能的,但通常仍然包括鸟类遗骸和羽毛的至少一小部分。DNA测试是一种显而易见的方法,但鸟类具有独特的微观模式,目前也用于识别鸟类攻击中涉及的鸟类。这种基于微观模式的识别工作主要由史密森学会与美国联邦航空管理局(FAA)合作完成。提交物理遗骸样本,执行分析和接收结果需要时间延迟。这可能需要1-2周的时间才能获得结果验证。

现在,技术的进步为我们提供了便携式计算机,其具有简单的用户界面,便宜的便携式显微镜和USB接口,以及基于android的图像模式识别软件。将这些技术线与物种羽毛微图案图像组合在一起可以彻底改变航空业应对鸟类攻击的方式。鉴于北美/北欧的重量超过1.8磅的鸟类数量有限,DNA检测也可以得到改善。附件1显示了超过1.8磅的部分鸟类列表。有<50只鸟符合此标准。我们目前没有完整的清单,但希望随着时间的推移积累一个,并有Solvers的帮助。

挑战

搜索者希望索尔弗斯能够找到方法来识别重量超过1.8磅的北美/北欧鸟类,这些鸟类来自飞机撞击的样本,这些样本通常包含遗骸和一些羽毛。已知的方法是DNA测试和羽毛模式识别,但是也欢迎其他想法,其可以满足解决方案要求。该方法必须在48小时内从样品中识别样品,精确度为95%。

对于这次挑战,我们只考虑重达1.8磅或更多的北美/北欧鸟类。虽然可以超越这种能力的方法是受欢迎的。

样品:典型样品至少包括在受控环境下收集的生物材料拭子,以尽量减少污染,并最大限度地保留鸟类尸体的部分残留物。最终目标是拥有一个低成本的“工具”,只需要很少的培训,可以从飞机着陆/起飞的星球上的任何位置进入。只需要样品输入的手持设备是理想的; 但是,我们不希望Solver在几个月内生成完整的工作模型,而是提供证据表明方法存在并且可能能够在合理的时间内满足要求(例如:1 - 2年)。挑战将需要某种可行性证明来达到减少实践奖。严格的理论解决方案将被考虑减少奖励。

这是减少实践挑战。您,求解者,将被要求写一篇论文并通过图片,视频,数据等证明您的身份识别过程。您不必生产完整的成品,但在某种程度上证明了可靠性和证据。

需要考虑的事项:

  1. 搜索者并不是在寻找各种鸟类识别方法的评论。今天可以正确识别鸟类。这需要花费大量的时间和精力,必须收集,运输和跟踪样品。需要一种更便携,更快速且准确的方法。
  2. 搜索者不希望自己生产任何产品。他们希望Solvers能够发展他们的想法并为这次挑战提供一些成功的证据。如果成功,搜索者会希望Solver继续开发他们的产品以完成。搜索者将为任何有希望的发展提供帮助和支持,并尝试将Solver与那些有助于开发和测试的人联系起来。
  3. 搜索者认为这种设备的市场非常庞大,可能对制造商有利可图。几乎每个航空公司所在地和军事行动基地都希望拥有这样的设备。
  4. 注意:搜索者不会宽恕或希望为此项目牺牲任何鸟类。求解器应该符合道德规范,只能使用现有样本。如果样品有限,可以在以后获得更多。

提出的任何解决方案应该解决以下解决方案的需求: 

  1. 该方法/装置必须识别重量超过1.8磅且精度为95%的鸟类。
  2. 该方法/设备应在48小时或更短时间内提供肯定识别。应该有可能在未来将其降低到几个小时。
  3. 该方法/设备应该易于由没??有鸟类学经验的飞机机械师使用。这在初始抽样/测试中可能是不可能的,但这应该是最终目标,并且期望通过更多工作来实现它应该是合理的。
  4. 该方法/装置应该能够存储北美/北欧鸟类的数据库,最初聚焦于体重约1.8磅或更大的那些。我们无法访问Solvers可以使用的完整数据集,因此他们必须使用我们的部分列表(附加)和/或找到一个用于测试。最终,搜索者希望与赢得Solvers和其他机构合作,共同建立一个合适的数据库。
  5. 批量生产时,任何设备的目标零售价应为5,000美元或更低。
  6. 拟议的系统应该为搜索者提供“练习自由”。不应该有第三方专利技术阻止在商业应用中使用特定的设备和材料。
项目标准

您提交的提案应包括以下内容:

  1. 可以满足上述解决方案要求的鸟类识别系统的详细说明
  2. 关于为什么你认为你提出的系统会起作用的基本原理。此基本原理应解决详细说明中描述的每个解决方案要求
  3.  演示您的系统。您可以显示图片,视频或您选择的任何方法。您可以提供的证据越多,越好。您不应该生产完整的成品,但要证明其可行性并提供一些数据
    1. 例如:原型便携式鸟类物种鉴定系统,基于使用可用的大体积鸟羽样品(和安慰剂样品)进行盲测,具有95%的正确识别率。
  4. 您提出的任何方法中的步骤列表以及运行它所需的专业知识。描述识别方法和您测试的任何数据库。数据库应来自鸟类学公认的权威机构。

该提案不应包括任何个人识别信息(姓名,用户名,公司,地址,电话,电子邮件,个人网站,简历)或解算器可能认为是知识产权或不想分享的任何信息。

收到挑战奖励取决于搜索者提交的解决方案的理论评估和实验验证。如果多个提案符合所有  解决方案要求,搜索者保留仅授予搜索者认为最符合其需求的解决方案的权利。 

要获得奖励,Solvers不必将其独家知识产权转让给搜索者。相反,他们将向搜索者授予不可撤销的非独占许可,并且不会限制他们实施他们的解决方案。 

提交本次挑战的提交必须在2019年7月10日晚上11:59(美国东部时间)之前  收到迟到的提交将不予考虑

以上是关于从最小样本中识别鸟类的主要内容,如果未能解决你的问题,请参考以下文章

综述 | 小样本深度学习图像识别

算法精解:最小二乘法C实现

找到具有最小距离的唯一样本对

sklearn之岭回归

什么是最小二乘法回归分析?

语音识别基于LMS算法消除嘈杂的鸟类语音信号中的噪声后识别其对应的鸟类物种(Matlab代码实现)