[論文レビュー] Wildbook: Crowdsourcing, computer vision, and data science for conservation

Tanya Berger‐Wolf, Daniel I. Rubenstein+8 more|arXiv (Cornell University)|Oct 24, 2017

Species Distribution and Climate Change参考文献 28被引用数 45

ひとこと要約

Wildbook は、コンピュータビジョンおよびデータサイエンスプラットフォームであり、クラウドソーシングされた画像を活用して深層学習により個体を特定し、自動化された個体群モニタリング、保護管理、野生生物犯罪防止を可能にする。現在、ケニアでライオンの捕食がグレヴィーのシマウマの若齢死亡率の主な要因であると特定されたことで、保護政策の見直しがなされた。

ABSTRACT

Photographs, taken by field scientists, tourists, automated cameras, and incidental photographers, are the most abundant source of data on wildlife today. Wildbook is an autonomous computational system that starts from massive collections of images and, by detecting various species of animals and identifying individuals, combined with sophisticated data management, turns them into high resolution information database, enabling scientific inquiry, conservation, and citizen science. We have built Wildbooks for whales (flukebook.org), sharks (whaleshark.org), two species of zebras (Grevy's and plains), and several others. In January 2016, Wildbook enabled the first ever full species (the endangered Grevy's zebra) census using photographs taken by ordinary citizens in Kenya. The resulting numbers are now the official species census used by IUCN Red List: http://www.iucnredlist.org/details/7950/0. In 2016, Wildbook partnered up with WWF to build Wildbook for Sea Turtles, Internet of Turtles (IoT), as well as systems for seals and lynx. Most recently, we have demonstrated that we can now use publicly available social media images to count and track wild animals. In this paper we present and discuss both the impact and challenges that the use of crowdsourced images can have on wildlife conservation.

研究の動機と目的

• 限られた現地観察と侵襲的な追跡手法による、絶滅危惧種の信頼できる個体群データの不足という深刻な課題に対処する。
• 観光客、研究者、ドローンなど多様なソースからの異種の野生生物画像を処理できるスケーラブルで自動化されたシステムを開発する。
• ストライプ、スポット、傷など独自の自然的特徴に基づき、深層学習とコンピュータビジョンを用いて個体を正確に特定する。
• 種の分布、生存率、移動パターンに関するリアルタイムデータを提供することで、保護科学と政策を支援する。
• 危険な動物の位置情報および身元データの悪用を防ぐため、セキュアでプライバシー配慮型のインfra構築を実現し、一般および科学的アクセスを可能にする。

提案手法

• 未構造化された画像内の動物種を検出・分類するために、深層畳み込みニューラルネットワーク（DCNN）を活用する。
• ストライプ、スポット、欠けなど独自の自然的表現型マーキングに基づき、コンピュータビジョン技術を用いて個体を特定する。
• 動物の個体識別情報、目撃メタデータ（時刻、場所）および関連生態データを、集中管理され、クエリ可能なデータベースに格納・管理する。
• 気象、生息環境、人間活動などの追加データレイヤーを統合し、マルチスケールの生態的分析を可能にする。
• 市民科学者および現地研究者による画像データの提出およびアクセスを支援する、ウェブベースのインターフェースおよびモバイルアプリを導入する。
• 絶滅危惧種の盗難の脅威を低減するため、データ公開によるリスクを防ぐためにアクセス制御およびプライバシープロトコルを実装する。

実験結果

リサーチクエスチョン

• RQ1 深層学習およびコンピュータビジョンは、多様な種にわたり、未構造的で現実世界の写真から個体を正確に特定できるか？
• RQ2 クラウドソーシングされた画像データは、スケールを考慮した個体群レベルの保護科学を支援するために、どのように集約・分析できるか？
• RQ3 Wildbook は、現実の保護地域において、保護政策および管理意思決定をどの程度改善できるか？
• RQ4 市民が提供する野生生物画像にどのようなデータバイアスが存在するのか、そして生態的推論においてそれらをモデル化または是正する方法は何か？
• RQ5 Wildbook は、写真証拠を用いて違法に殺害されたり密輸されたりした動物を特定するフォレンジックツールとして機能できるか？

主な発見

• Wildbook はケニアのレワ野生生物保護区で、ライオンの捕食がグレヴィーのシマウマの若齢死亡率の主な要因であると特定したことにより、政策変更を実現した。これにより、ライオン管理戦略が見直された。
• 部分的な身体画像のみを用いても、ストライプや模様が複雑な種、例えばシマウマ、クジラ、ゾウにおいても、個体の特定に成功した。
• Wildbook データから得られた個体群推定値および移動パターンは、特に広範囲を移動するか、目立たない種において、従来の調査手法よりもはるかに正確であった。
• 写真照合による迅速な同定が可能であるため、プラットフォームは野生生物犯罪防止の面でも実用性を示した。たとえ死体や皮膚の断片からでも、盗難された動物を特定できた。
• 予備的分析から、市民が提供する画像に顕著なバイアスが存在することが判明した。具体的には、サンプリングレートの不均一さやカメラの使用疲労（撮影頻度の低下）が確認され、解析モデルでこれを補正する必要がある。
• Wildbook のアーキテクチャは、気象、土地利用、疾病などのマルチソースデータの統合を可能としており、包括的な生態的および保護的インサイトを提供する。