Gleiches gilt für Aufnahmen von Vögeln oder anderen Tieren (hier engl. "others"). Es treten allerdings sporadisch falsche Kategorisierungen auf. In den letzten Monaten wurde daher an einer weiteren Verbesserung des Modells mit zusätzlichem Bildmaterial aus dem Feld gearbeitet. Test im Feldeinsatz und Ergebnisse Untenstehend sind Fotos von Tieren in einer Lebendfalle mit einer übergelagerten sogenannten "heatmap" abgebildet. Mittelstand: Erleichterung nach der Frankreich-Wahl | Presseportal. Je mehr ein Bereich gelb/rot eingefärbt ist, umso mehr benutzt das Software-Modell den Bereich zur Bilderkennung. Auf den Bildern ist zu sehen, dass das Modell vorwiegend die Bereiche der Bilder nutzt, auf denen tatsächlich das Tier zu sehen ist, auch wenn auf dem Bild weitere Objekte wie Blätter oder Futter abgebildet sind. Außerdem funktioniert die Bilderkennung auch bei Dunkelheit gut. Viele Bilder In den vergangenen Monaten haben wir wertvolles Bildmaterial von Biber und Fischotter gesammelt – unter anderem mit Hilfe des Otter-zentrums Hankensbüttel in Deutschland.
Skip to content Im Life-MICA-Projekt werden intelligente Lebendfallen entwickelt, die mit einer Bilderkennungs-software arbeiten. Dadurch wollen wir unerwünschte Beifänge von geschützten Arten wie Biber oder Fischotter verhindern und nur Zieltierarten, wie zum Beispiel Nutria und Bisam, fangen. Die Entwicklung des intelligenten Fallensystems macht gute Fortschritte und wir wollen von einem ersten Fang berichten. Bilderkennungs-Software muss mit vielen Fotos trainiert werden. Glücklicherweise haben wir viele Bilder von regionalen Wasserbehörden und Kooperationspartnern aus Zoos bekommen – ein großes Dankeschön! Neues Modell Ein neues Modell für Bilderkennung wurde von unseren Kooperationspartner, Spezialisten für Künstliche Intelligenz, entwickelt und getestet. Das Modell arbeitet bereits präzise und erzielt gute Vorhersagen. Fortschritt gute entwicklung in online. Untenstehend ist eine sogenannte "Confusion Matrix" abgebildet. Die Grafik visualisiert die Anzahl von korrekten Vorhersagen des Modells. Es werden bereits vorwiegend korrekte Vorhersagen geliefert: zum Beispiel klassifiziert das Modell die Aufnahme einer Ratte bereits mit hoher Treffsicherheit als Ratte.