Sokakat zavarnak, a magánéletbe történő beavatkozásnak tartják az arcfelismerést. De míg az embereknek problémáik adódnak a technológiával, az állatokat különösebben nem izgatja. A vadon élőket pedig úgy tűnik, hogy végképp nem. Ilyen technikákat dolgoztak ki már csimpánzokra, makimajmokra és pandákra is.
Melanie Clapham, a Vancouver-szigeti (Brit Kolumbia, Kanada) Victoria Egyetem kutatója és munkatársai az állatok azonosításával foglakozó BearID projektjükben barnamedvékre fejlesztettek arcfelismerő modellt.
A modell átlagban 84 százalékos pontossággal ismer fel egy-egy állatot. Négy komponensből tevődik össze: medvearc (bearface), medvechip (bearchip), medve-beágyazó (bearembed) és medve tartó-vektor gép (bearsvm, az svm, pontosabban SVM a support vector machine rövidítése).
Az első felismeri a medve arcát. A kutyákat hipszterré változtató, mélytanulással (deep learning) működő, szórakoztató eb-arcfelismerő, azokat bohókásan átalakító, például szemüveget és bajszot rájuk aggató Dog Hipsterizer alkalmazás módosított változatáról van szó. Az appot 132 medvéről készült 4675 fényképen gyakoroltatták, majd tesztelték.
A medvechip kicsiz átdolgozza, és kivágja a képet.
A harmadik komponens feladata az arcábrázolás kivitelezése. A fejlesztők a gyakorló adatsorból kivágott képeken trenírozták, hogy a különféle jegyeket ugyanazon a medvén hasonlónak, más medvén viszont különbözőnek lásson.
A Bearsym felcímkézi egy-egy állat megjelenítését. A lineáris tartó-vektor gépet az első és a harmadik komponens által generált ismertetőjegyeken, és ugyanazzal a gyakorló adatsorral tanították be. (Az SVM speciális neurális hálózat, de egyesek a tágabb és elméletibb statisztikus tanuláshoz sorolják. Feladata, hogy osztályozzon egy egyedet.)
Állatok olcsó technológiával történő követése, a populáció egészségi állapotának folyamatos megfigyelése sokat segíthet veszélyeztetett fajok fennmaradásában.
Clapham a helyszínen kísérletezett a modellel, és bizakodnak, hogy újabb kameramegoldásokkal nagyon sok medvét tudnak majd monitorozni.
