“许多研究人员在工作中需要识别特定个体并收集其数据，例如用于估算存活率、繁殖情况和迁移活动，”宾夕法尼亚州立大学生物学副研究教授、野生自然研究所首席科学家德里克·李（Derek Lee）说。
“与可能干扰动物行为的标签及其他人为标记相比，许多研究人员会拍摄动物独特斑纹的照片。我们拥有用于辅助分析这些照片的图案识别软件，但这些照片都必须经过人工预处理才能进行分析。由于我们经常需要处理数千张照片，这造成了严重的瓶颈。”
长颈鹿躯干照片
李利用照片开展一项大型持续研究，以了解东非超过3000只长颈鹿的出生、死亡和迁移情况。他和团队为每只动物独特且不变的斑点图案拍摄数码照片，以便在其一生中对其进行识别。但在图案识别软件能够处理图像以识别个体之前，研究团队必须手动裁剪每张照片或划定感兴趣的区域。
李与微软的科学家合作。微软提供了一项新的图像处理服务，利用部署在微软Azure云上的机器学习技术，实现这一关键且耗时的流程自动化。
微软团队利用目标检测的计算机算法，使用已由人工标注的现有照片训练程序识别长颈鹿躯干。该程序通过主动学习过程不断迭代改进：系统将预测的裁剪框显示在新图像上，由人工快速验证或修正结果。
这些新图像随后被重新纳入训练算法，以进一步更新和改进程序。最终系统能够以极高的准确率识别图像中长颈鹿躯干的位置，即使长颈鹿在图像中只占很小一部分，或植被部分遮挡了其躯干。
“该系统在无需昂贵硬件（如专用的高性能图形处理器）的情况下，就能近乎完美地识别长颈鹿躯干，”李说。“Azure团队将我们工作中这一繁琐环节自动化，真是太好了。过去我们在调查后处理新图像需要一周时间，现在只需几分钟即可完成。该系统使我们更接近于从照片中实现完全自动的动物识别。”
大动物的大数据
这一新系统将极大加快李对长颈鹿种群的研究。由于栖息地丧失以及为获取肉类而遭非法捕杀，非洲各地的长颈鹿种群数量迅速下降。
“长颈鹿是体型庞大的动物，且迁移距离很远，因此我们自然要利用大数据来了解它们在哪些地方生存状况良好、哪些地方不佳以及原因何在，从而保护并连通对长颈鹿保护至关重要的区域，”李说。
这一流程也将对研究其他具有独特识别斑纹动物的研究人员有所帮助，这些动物包括部分野生猫科动物、大象、蝾螈、鱼类、企鹅和海洋哺乳动物。
描述这项工作的论文发表于《生态信息学》（Ecological Informatics）。部分资金来自萨克拉门托动物园、哥伦布动物园、辛辛那提动物园、Safari West、柏林动物园（Tierpark Berlin）和塔尔萨动物园。
