Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Deep Learning meets Behavioural Ecology in the wild: methodological applications using the sociable weaver

Opis projektu

Metody głębokiego uczenia pomogą w badaniach nad biologią dzikiej przyrody

Ostatnie postępy w dziedzinie sztucznej inteligencji, w szczególności w głębokim uczeniu się, mogą zrewolucjonizować badania nad dzikimi zwierzętami poprzez dostarczenie mniej inwazyjnych metod identyfikacji, umożliwienie gromadzenia dużych ilości danych i otwarcie nowych możliwości badawczych. Projekt DeepWeaver, wspierany przez program działania „Maria Skłodowska-Curie”, skupia naukowców i personel techniczny z trzech krajów europejskich i Republiki Południowej Afryki w celu opracowania innowacyjnych metod głębokiego uczenia do nieinwazyjnego badania biologii dzikiej przyrody. Projekt koncentruje się na indywidualnym rozpoznawaniu, identyfikacji atrybutów i analizie behawioralnej. Stworzy on ścieżkę przetwarzania dużych ilości danych wideo, zwiększy kreatywność, ułatwi transfer umiejętności i rozwinie sieci współpracy. Wyniki przyczynią się do zwiększenia konkurencyjności Europy w dziedzinie biologii dzikiej przyrody.

Cel

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.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

HORIZON-TMA-MSCA-SE - HORIZON TMA MSCA Staff Exchanges

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) HORIZON-MSCA-2023-SE-01

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

ASSOCIACAO BIOPOLIS
Wkład UE netto
€ 174 800,00
Adres
CAMPUS DE VAIRAO DA UNIVERSIDADE DO PORTO, RUA PADRE ARMANDO QUINTAS nº7
4485-661 VAIRAO, VILA DO CONDE
Portugalia
Rodzaj działalności
Research Organisations
Linki
Koszt całkowity
Brak danych

Uczestnicy (1)

Partnerzy (2)