EPFL、荷兰皇家海洋研究所和瓦赫宁根大学与研究所的科学家开发了一种新的深度学习模型，用于计算航拍照片中的海豹数量，这比手动计算要快得多。使用这种新方法，可以节省宝贵的时间和资源，可用于进一步研究和保护濒危物种。

几十年来，生态学家一直在监测海豹种群，在此过程中建立了庞大的航空照片库。计算这些照片中的海豹数量需要数小时的细致工作来手动识别每张图像中的动物。

如今，一个跨学科的研究团队包括瓦赫宁根大学与研究中心 (WUR) 的博士生、荷兰皇家海洋研究所 (NIOZ) 的博士生 Jeroen Hoekendijk 和环境部副教授兼负责人 Devis Tuia。 EPFL Valais 的计算科学和地球观测实验室提出了一种更有效的方法来计算生态调查中的对象。在发表在《科学报告》上的研究中，他们使用深度学习模型来计算存档照片中的印章数量。他们的方法可以在不到一分钟的时间内处理 100 张图像——而人类专家则需要一个小时。

无需标记

“在生态学中，最常用的深度学习模型首先经过训练以检测单个对象，然后对检测到的对象进行计数。这种类型的模型需要在训练期间对单个对象进行大量注释，”Hoekendijk 说。然而，研究团队应用的方法无需预先标记单个密封件，由于只需要图片中的动物总数，因此大大加快了过程。更重要的是，他们的方法可用于计算任何物品或单个动物，因此不仅有助于处理新照片，还有助于处理因时间不够而无法分析的照片。这代表了数十年的照片，可以提供有关人口规模如何随时间演变的重要见解。

从宏观到微观

海豹出现在航拍照片中的方式可能会因拍摄照片的高度和角度而异。因此，研究团队评估了对此类变化的稳健性。此外，为了证明他们的深度学习模型的潜力，科学家们在一个根本不同的数据集上测试了他们的方法，该数据集的规模要小得多：鱼骨中称为耳石的微观年轮图像。这些耳石或听力石是坚硬的碳酸钙结构，直接位于鱼的大脑后面。科学家们训练他们的模型来计算图像中可见的每日年轮，这些年轮用于估计鱼的年龄。这些年轮以单独注释极具挑战性而闻名。