深度学习影响我们与科技互动的方式。《财富》杂志文章“深度学习为什么突然改变你的生活”,描述了深度学习负责的巨大改进在许多应用程序中,语音识别语言翻译。

深度学习是人工智能的一种形式,教计算机学习的例子。深度学习模型,训练通过使用大量的标记数据和神经网络架构,包含很多层,经常达到令人印象深刻的精度。(如果你想了解更多关于深度学习,看看这个MATLAB技术说话。)

标记的大量数据和计算能力的进步使深度学习影响许多行业,从医疗设备的自动驾驶。深度学习也有助于社会媒体Facebook的DeepFace面部分析Twitter使用深度学习找出哪些推给你。但最近,一个新的深度学习的趋势是新兴为自然保护使用深度学习。这里有三个野生动物保护项目,采用深度学习。

深度学习空中保护大象和犀牛

偷猎者已经高科技,使用夜视镜,GPS,机枪杀死大象的象牙和犀牛角。根据林德伯格基金会每14分钟,大象被杀,2每天犀牛被屠杀:“按照这个速度,非洲大象和犀牛将在10年内灭绝。”

的偷猎者,林德伯格基金会也转向技术。空气牧羊人基金会创建一个程序,力求用”技术来平衡人类发展对环境的影响。”Air Shepherd uses surveillance drones and infrared sensors to locate poachers at night and radio their location to Rangers who intercept the poachers before the animals are killed.

空气牧羊人是唯一非军事行动,晚上只苍蝇和超视距的无人驾驶飞机运营商。固定翼无人机提供安静的飞行。数据被无人机的机载传感器发送到移动指挥中心,它的分析和监控。作为正在进行的任务的一部分,用技术来保持领先一步的偷猎者,空气牧羊人正在积极酝酿新技术如激光和雷达传感器、大数据分析,以及神经网络和模式识别来识别图像中的对象。

本月早些时候,ZDNet报道,“Neurala伙伴与林白基金会使用无人机打击偷猎”。这篇文章解释了Neurala空气的技术将帮助牧羊人的分析师识别动物偷猎者,和车辆的tb的数据由无人驾驶飞机的视频。基于软件的预测分析将有助于阻止偷猎者动物才能达到目标。

保护蜜蜂与深度学习

而空气牧羊人程序需要天空保护大型野生动物在地上,BeeScanning应用使用地面监测帮助规模小得多的机载生物:蜜蜂。逆报道称,三分之一的蜜蜂在美国已于去年去世。蜜蜂的持续损失是威胁全球粮食供应。

蜂螨对蜂群是最大的威胁。一旦小红寄生虫附着于蜜蜂他们可以传播和破坏整个蜂巢。

监测人工蜜蜂是困难和耗时的,所以瑞典养蜂人和发明家Bjorn Lagerman转向深度学习和智能手机帮助保持蜂群。

BeeScanning是一个智能手机的应用程序,使用深度学习来分析图像蜂群来判断是否感染了蜂螨。TechCrunch报道:“这是集团的机器学习能力发挥作用的地方。因为红螨对比强烈反对的蜜蜂,物体识别算法可以用来快速检查批蜜蜂图片害虫。”

研究团队BeeScanning在这个过程中如果收集40000张图片。这些图像将用于训练模型。基准测试程序的结果,团队将手动计数螨洗后蜂群。BeeScanning将宝贵的养蜂人保护现有的殖民地。它还可以帮助确定蜜蜂抗螨。

机器学习在深蓝色大海

一个项目叫做FishFace用机器学习来帮助野生动物的深。FishFace基本上是面部识别鱼,而是仔细观察个人脸,程序将使用机器学习识别鱼的种类与计数的鱼,他们把大海。的目标是减少过度捕捞从商业捕捞获得更准确的数据操作。

这项技术是由澳大利亚的大自然保护协会(TNC)。该集团最近在资金从谷歌获得提振赢得人们的选择影响谷歌的挑战。

“世界上的鱼。全球峰值鱼捕捉发生在1980年代,全球以来一直在下降。事实上,现在64%的渔业过度捕捞和90%的渔业没有有效管理到位,“过渡委员会在其网站上。

“这个项目的下一步是让这个系统更有效的驾驶技术来收集物种类型和长度自动落鱼。美国大自然保护协会的印尼渔业项目正在与2科技公司使用机器学习分类和回收手机开发一个原型,称为Fishface,同样的技术应用于物种鉴定的鱼。

这些技术的最终目标是建立成一个智能手机应用程序可以用于整个地区的渔船,并最终在全球部署。通过使用可负担得起的图像识别软件,将检测物种和长度从照片,更迅速、更准确的分类鱼加工厂将成为可能,甚至是登上了船,进入,”——美国大自然保护协会

这些只是几个深度学习的有趣的应用。请留下你的评论,如果你的团队使用深度学习的创新项目。我们想功能其他深度学习应用程序在我们的博客。