Projektbeschreibung
Mit Deep Learning-Methoden Wildbiologiestudien optimieren
Die jüngsten Fortschritte im Bereich der künstlichen Intelligenz (KI), insbesondere beim Deep Learning, eröffnen die Möglichkeit, die Erforschung von Wildtieren revolutionär zu verändern, da sich weniger invasive Bestimmungsverfahren anbieten, die Erfassung großer Datenmengen realisierbar wird und sich neue Forschungswege eröffnen. Das innerhalb der Marie-Skłodowska-Curie-Maßnahmen unterstützte Projekt DeepWeaver vereint wissenschaftliches und technisches Personal aus drei europäischen Ländern und Südafrika, um innovative Deep Learning-Methoden für nicht-invasive Wildtierbiologiestudien zu entwickeln. Projektschwerpunkte sind die Bestimmung von Individuen, die Erkennung von Merkmalen und die Verhaltensanalyse. Geschaffen wird eine Pipeline zur Verarbeitung großer Mengen an Videodaten, es wird die Kreativität gefördert, der Wissenstransfer erleichtert und die Zusammenarbeit in Netzwerken optimiert. Die Ergebnisse werden dazu beitragen, Europas Wettbewerbsfähigkeit im Bereich Wildtierbiologie zu verbessern.
Ziel
Studies of wild animals, from conservation to behaviour, are usually based on individually marked animals. This requires capturing, marking and sampling animals, which imposes limitations as these methods can be challenging, time consuming and impact individual welfare. Additionally, following and observing or video recording animals to obtain data is further constraining. Recent developments in artificial intelligence, in particular deep learning, have the potential do radically and rapidly change the way in which animals are studied in the wild. These new methods can push current boundaries by allowing not only less invasive methods of identification, but also obtaining large volumes of data and, importantly, collection of new types of data, allowing new questions to be addressed. In this proposal, we bring together a team of scientist and technical staff from three European countries and South Africa. Our aim is to develop highly innovative methods, based on rapidly advancing developments in deep learning, which can have a substantial impact on the study of wildlife biology. Specifically, we will streamline non-invasive methods (i.e. no capture) in order to obtain 1) individual re/identification in the field; 2) identification of individual attributes (e.g. sex, size); 3) automatic identification of behaviours (e.g. provisioning young, aggression). In addition 4) we will establish a pipeline to process large volumes of video data, combining individual and behavioural identification. The project is based on exchanges between staff with different expertise, and on work conducted both in the lab and in field. These exchanges are expected to boost creativity and result in meaningful skills transfer and a strengthened collaborative network. The expertise and the methods developed will have a meaningful and lasting impact in the field of behavioural and wildlife biology, contributing to increase Europe’s competitiveness and attractiveness.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
- NaturwissenschaftenBiowissenschaftenÖkologie
- NaturwissenschaftenInformatik und Informationswissenschaftenkünstliche Intelligenzmaschinelles LernenDeep Learning
- NaturwissenschaftenBiowissenschaftenbiologische VerhaltenswissenschaftenVerhaltensökologie
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Schlüsselbegriffe
Programm/Programme
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
HORIZON-TMA-MSCA-SE - HORIZON TMA MSCA Staff ExchangesKoordinator
4485-661 Crasto
Portugal