雲栖号資訊：【 點選檢視更多行業資訊】
在這裡您可以找到不同行業的第一手的上雲資訊，還在等什麼，快來！
大家好，一開始看到這個研究的時候，我的表情是這樣的：
嗯？大熊貓？大熊貓不都是長得一樣嗎？……一樣的可愛！（滿滿的求生欲）
然而再一細看，我發現這個研究對對熊貓臉盲症患者，太友好了。
以後再也不用擔心認不清熊貓了。
這項神奇的技術，就是：大熊貓識别。
也就是将人臉識别技術運用到了大熊貓身上。
最近，中國大熊貓大學——西華師範大學大熊貓研究團隊，發表了關于該方向的系列論文。
其中一篇名為“利用深度學習技術進行動物個體識别：以大熊貓為例。”研究了大熊貓個體識别的技術問題。
熊貓臉識别？
論文核心，是采用深度學習技術，以一種基于CNN的人臉識别模型來識别大熊貓。
并且，目前已成功建立大熊貓面部識别網絡。
我感覺，以後都是飄着去看大熊貓的（指點江山狀）。
這項研究主要兩大亮點：
- 資料集是來自四川3個基地的圈養大熊貓。通過數位相機與手機拍攝大熊貓的多樣特征。尤其需要較清晰的擷取其面部特征，特别是在進食、休息、嬉戲這些特定的動作捕捉。最終是由6位學生、用時7天拍攝了近6.5萬張樣本照片。（這種科研的努力勁兒，确實令人佩服。）
- “熊臉識别”率高達95%：經過漫長的資料的篩選與識别網絡的調試，目前識别率可以達到95%。
該研究團隊的張晉東教授表示，前後對于技術的攻關花費了約半年時間，最終這才有了識别模型的成功與如此高的識别率。
當然這其中，離不開來自數學與資訊學院鄭伯川教授團隊的支援。
一個負責熊貓資料采集，一個負責識别技術。通力合作，才有如今結果。
如何實作？
跟許多深度學習技術的模式一樣，這項工作主要分為三個步驟：資料收集——模型訓練——模型驗證。
首先第一步，在上文中也提到。就是收集來自3個基地的25隻圈養大熊貓的圖像。
拍照的時候呢，要離大熊貓至少5米遠，以免打擾到它們，然後利用手機或相機的變焦功能來擷取熊貓面部的照片。
大熊貓的腦袋向上向下或者傾斜的角度最好不能大于30°，因為這樣拍出來的照片品質不好。注意到這點之後，在篩選一些面部表情豐富，特定姿态的照片就作為資料集啦。
第二步呢，對模型的訓練
本研究使用的識别網絡是VGGNet，它是一種卷積神經網絡。
VGGNet由5個卷積子產品，3個全連接配接層和一個軟-max連接配接層組成。
此次資料集有65000張大熊貓面部圖像，平均每隻4300張。将其中39000張照片作為訓練集，19500張用來驗證，以及6500張照片作為模型的校準。
對于模型訓練，他們使用了Tensorflow工具箱，利用GPU NVIDIA Quadro P5000（16GB）進行訓練。
為了加快識别網絡的收斂速度，解決深度網絡的不穩定梯度問題，他們采用了Xavier初始化方法。初始批量大小設定為128，學習率設定為0.001。
最後，在25萬次疊代之後停止訓練。
接着，我們來到了最後一步，就是模型驗證。
除了已有的19500張驗證集之外，他們還從中國大熊貓保護研究中心（CCRCGP）卧龍基地收集的10個個體的3000張圖像用來驗證模型識别未知個體的能力。
最終，這項實驗達到了95%的識别一般個體的準确率。
為何要搞熊貓臉識别？
這也改變了之前識别和監測大熊貓的傳統方法。
比如：
1、 基于經驗的人工視覺識别
其實就是靠你的腳力，眼力以及各大感覺支撐。這對于一般人比如我來說，僅僅是眼力就是不可能實作滴。
而對于專業的研究人員來說，這樣的方法簡單，效果也好，但若是長期研究或者研究個體數量多的大熊貓種群，這項工作就顯得龐雜了。
你想，熊貓越多，你要記住每個熊貓的特征也就越多，錯誤率也就會越高。
這實在是太難了，太難了。
除此以外，也還有一些相對進階的辦法。
2、 距離-咬節法
漲知識！咬節，就是大熊貓糞便中的竹莖，被認為帶有大熊貓的生物體征。
研究人員通過批量測量咬節的長度，來區分大熊貓個體。這個方法簡單實用，可以反應大熊貓種群時間變化特征。但是大熊貓的移動距離受到多種因素的影響，很難擷取差別不同個體的門檻值。
3、 分子生物學法
換句話說，就是提取大熊貓糞便裡的DNA來識别熊貓個體。
但是這個糞便一定要是新鮮的，才有效，那麼在野外就很難實作這一方法。同時也會消耗很多的人力和物力。
4、 GPS定位項圈跟蹤
顧名思義，就是對需要監測的個體麻醉并佩戴GPS項圈。
這樣的話，就能夠準确追蹤，并能實時擷取需要的行為資料。
且不說項圈壽命短成本高，這對數量大的熊貓種群也不友好，而且還要捕捉大熊貓，這當中要是出現什麼差池，誰也擔當不起呀。
是以呢！
這些方法都存在一定的局限性，給野生大熊貓的保護工作，也就是張晉東團隊的初衷增加了不少難度。
于是，就出現了這樣一種方法，既可以精準識别，而且也不易受到其他自然因素的影響，可以大範圍的使用監測。
張晉東教授表示：“熊臉識别”可以應用到兩方面。
一方面是圈養大熊貓，可以為各個大熊貓建立它們的ID，這既友善管理人員的統一管理，也友善遊客們對每隻個體的識别、了解。
另一方面，也是我們所更加重視的方面，即野生大熊貓的保護工作，我們下一步工作将考慮結合目前在野外監測中應用廣泛的紅外相機，收集更多的野生大熊貓個體照片，對這些資料進行識别，進而建立野生大熊貓種群身份庫，并實作及時監測和大資料分析。
網友怎麼說？
在這項研究出爐以後，不少網友表示：再也不會傻傻分不清啦！
當然，還有一些有趣的評論。
有實用派的盆友：
有機靈派觀點：
還有角度新奇的：
當然，不可否認的是：團子終于迎來了它熊生的高光時刻。
這一技術也是熊貓生态管理人員的福音，也為野生大熊貓保護工作展開提供了有力的工作支援。
One more thing
隻是還有一個問題：
熊貓臉識别，到底應該歸屬于是熊臉識别？還是貓臉識别？
也就是說，熊貓到底是貓？還是熊？
按照主流觀點，熊貓應該歸屬于“熊”，是以這算是熊臉識别的分支。
不過，這裡面也有個小插曲：
據動物學家夏元瑜35年前寫的随筆《一錯五十年——為貓熊正名》。
文章提到，抗戰時期四川某博物館的一個曆史插曲：應該由右到左的标示被搞錯了方向，原本的“貓熊”也就因而被誤讀為“熊貓”。
嗯，是以較真的話，國寶應該被叫做“貓熊”……
【雲栖号線上課堂】每天都有産品技術專家分享！
課程位址：
https://yqh.aliyun.com/live立即加入社群，與專家面對面，及時了解課程最新動态！
【雲栖号線上課堂 社群】
https://c.tb.cn/F3.Z8gvnK
原文釋出時間：2020-04-17
本文作者：白交
本文來自：“量子位”，了解相關資訊可以關注“公衆号 QbitAI”