2021
The Role of Citizen Science and Deep Learning in Camera Trapping
ADAM, Matyáš; Pavel TOMÁŠEK; Jiří LEHEJČEK; Jakub TROJAN; Tomáš JŮNEK et al.Základní údaje
Originální název
The Role of Citizen Science and Deep Learning in Camera Trapping
Název česky
Úloha občanské vědy a hlubokého učení při využívání záznamů z fotopastí
Autoři
ADAM, Matyáš; Pavel TOMÁŠEK; Jiří LEHEJČEK; Jakub TROJAN ORCID a Tomáš JŮNEK
Vydání
Sustainability, Basel, Switzerland, MDPI, 2021
Další údaje
Jazyk
angličtina
Typ výsledku
Článek v odborném periodiku
Stát vydavatele
Švýcarsko
Utajení
není předmětem státního či obchodního tajemství
Odkazy
Označené pro přenos do RIV
Ne
Organizační jednotka
Přírodovědecká fakulta
UT WoS
Klíčová slova česky
umělá inteligence; crowdsourcing; environmentální monitoring; konceptuální model; divočina
Klíčová slova anglicky
artificial intelligence; crowdsourcing; environmental monitoring; conceptual frame-work; wildlife
Štítky
Příznaky
Mezinárodní význam, Recenzováno
Změněno: 15. 9. 2021 13:53, RNDr. Jakub Trojan, MSc, Ph.D.
V originále
Camera traps are increasingly one of the fundamental pillars of environmental monitoring and management. Even outside the scientific community, thousands of camera traps in the hands of citizens may offer valuable data on terrestrial vertebrate fauna, bycatch data in particular, when guided according to already employed standards. This provides a promising setting for Citizen Science initiatives. Here, we suggest a possible pathway for isolated observations to be aggregated into a single database that respects the existing standards (with a proposed extension). Our approach aims to show a new perspective and to update the recent progress in engaging the enthusiasm of citizen scientists and in including machine learning processes into image classification in camera trap research. This approach (combining machine learning and the input from citizen scientists) may significantly assist in streamlining the processing of camera trap data while simultaneously raising public environmental awareness. We have thus developed a conceptual framework and analytical concept for a web-based camera trap database, incorporating the above-mentioned aspects that respect a combination of the roles of experts’ and citizens’ evaluations, the way of training a neural network and adding a taxon complexity index. This initiative could well serve scientists and the general public, as well as assisting public authorities to efficiently set spatially and temporarily well-targeted conservation policies.
Česky
Fotopasti jsou stále častěji jedním ze základních pilířů monitorování a řízení životního prostředí. I mimo vědeckou komunitu mohou tisíce kamerových pastí v rukou občanů poskytnout cenné údaje o fauně suchozemských obratlovců, zejména údaje o vedlejších úlovcích, pokud jsou vedeny podle již používaných standardů. To představuje slibné prostředí pro občanskovědní iniciativy. Zde navrhujeme možnou cestu pro sdružování izolovaných pozorování do jedné databáze, která respektuje stávající standardy (s navrhovaným rozšířením). Cílem našeho přístupu je ukázat novou perspektivu a aktualizovat nedávný pokrok v zapojení nadšení občanských vědců a v zapojení procesů strojového učení do klasifikace obrazu ve výzkumu fotopastí. Tento přístup (kombinující strojové učení a vstupy občanských vědců) může významně napomoci zefektivnění zpracování dat z fotopastí a současně zvýšit povědomí veřejnosti o životním prostředí. Vyvinuli jsme koncepční rámec a analytický koncept webové databáze fotopastí, zahrnující výše uvedené aspekty, které respektují kombinaci rolí hodnocení odborníků a občanů, způsob trénování neuronové sítě a přidání indexu komplexnosti taxonů. Tato iniciativa by mohla dobře posloužit vědcům i široké veřejnosti a také pomoci orgánům veřejné správy účinně stanovovat prostorově a časově dobře zacílené politiky ochrany přírody.
