[논문 리뷰] Wildbook: Crowdsourcing, computer vision, and data science for conservation

Tanya Berger‐Wolf, Daniel I. Rubenstein외 8명|arXiv (Cornell University)|2017. 10. 24.

Species Distribution and Climate Change참고 문헌 28인용 수 45

한 줄 요약

Wildbook는 커플러드 소싱된 이미지를 활용해 딥러닝을 통해 개체를 식별하는 컴퓨터 비전 및 데이터 과학 플랫폼으로, 자동화된 인구 모니터링, 보존 관리 및 야생 동물 범죄 방지 기능을 제공한다. 이미 케냐에서 라이온의 포식이 그레비 코끼리의 저조효율의 주요 원인으로 밝혀져 정책 변경을 이끌어내기도 하였다.

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.

연구 동기 및 목표

• 한정된 현장 관찰과 침습적인 추적 방법으로 인해 발생하는 멸종 위험 종에 대한 신뢰할 수 있는 인구 데이터의 부족을 해결한다.
• 다양한 출처(관광객, 연구자, 드론 등)에서 온 이질적인 야생 동물 이미지를 처리할 수 있는 확장 가능한 자동화 시스템을 개발한다.
• 스트라이프, 무늬, 상처와 같은 고유한 천연 문양을 기반으로 딥러닝과 컴퓨터 비전을 활용해 정확한 개인 동물 식별을 가능하게 한다.
• 종 분포, 생존율, 이동 패턴에 대한 실시간 데이터를 제공함으로써 보존 과학 및 정책 지원을 가능하게 한다.
• 감시가 필요한 동물의 위치 및 신원 데이터 유출로 인한 악용을 방지하면서도, 일반 대중과 과학자들이 접근할 수 있도록 보안적이고 프라이버시를 고려한 인프라를 구축한다.

제안 방법

• 비정형 이미지 내의 동물 종을 탐지하고 분류하기 위해 심층 합성 신경망(DCNN)을 활용한다.
• 스트라이프, 무늬 또는 절단 부위와 같은 고유한 천연 형질 표지자를 기반으로 컴퓨터 비전 기법을 적용해 개인 동물을 식별한다.
• 동물 신원, 관측 메타데이터(시간, 위치) 및 연관된 생태학적 데이터를 중앙집중식으로 저장하고 질의 가능한 데이터베이스로 관리한다.
• 기후, 서식지, 인간 활동 등의 추가 데이터 레이어를 통합하여 다스케일 생태 분석을 가능하게 한다.
• 시민 과학자와 현장 연구자들이 이미지 데이터를 제출하고 액세스할 수 있도록 웹 기반 인터페이스와 모바일 앱을 구현한다.
• 포식 위협으로 인한 데이터 泄露를 방지하기 위해 액세스 제어 및 프라이버시 프로토콜을 구현한다.

실험 결과

연구 질문

• RQ1 딥러닝과 컴퓨터 비전을 활용해 다양한 종에 걸쳐 실제 세계의 비정형 사진에서 개인 동물을 정확하게 식별할 수 있는가?
• RQ2 커뮤니티에서 기여한 이미지 데이터를 어떻게 대규모로 집계하고 분석하여 종 수준의 보존 과학을 지원할 수 있는가?
• RQ3 Wildbook는 실제 보호 지역에서 보존 정책 및 관리 결정을 얼마나 향상시킬 수 있는가?
• RQ4 시민이 기여한 야생 동물 이미지에 존재하는 데이터 편향은 무엇이며, 이를 생태학적 추론에서 모델링하거나 보정할 수 있는가?
• RQ5 사진 증거를 활용해 불법 살해되거나 밀수된 동물을 추적하는 데 Wildbook가 법의학적 도구로 활용될 수 있는가?

주요 결과

• Wildbook는 케냐 레와 야생동물 보존소에서 라이언의 포식이 그레비 코끼리의 저조효율의 주요 원인으로 밝혀져, 라이언 관리 전략을 재수립하는 정책 변화를 이끌어냈다.
• 시스템은 부분적인 신체 이미지만으로도 스트라이프나 무늬가 복잡한 종, 예를 들어 코끼리, 고래, 코끼리 등에서 개인 동물을 성공적으로 식별했다.
• Wildbook 데이터에서 유도된 인구 추정치와 이동 패턴은 특히 광범위하게 이동하거나 은신성이 높은 종의 경우 전통적 조사 방법보다 훨씬 정확했다.
• 사진 매칭 기반으로 빠른 식별이 가능해져, 시체나 가죽에서조차도 불법 사냥된 동물을 신속하게 식별함으로써 야생 동물 범죄 방지 가능성을 입증했다.
• 초기 분석에서 시민 기여 이미지에 심각한 데이터 편향이 존재하는 것으로 드러났으며, 이는 샘플링 빈도의 불균형과 카메라 피로 현상 등이 포함되어 있어 분석 모델에 반영되어야 한다.
• Wildbook의 아키텍처는 기후, 토지 이용, 질병 등의 다중 출처 데이터 통합을 지원하여 종합적인 생태학적 및 보존 통찰을 가능하게 한다.