как узнать рыбу по фотографии
Приложение для рыбаков сканирует и определяет любую рыбу
Сергей Липченко, опубликовано 22 декабря 2016 г.
Даже самые заядлые рыбаки иногда ловят рыбу, которую просто не могут опознать. Когда это происходит, как узнать, сколько весит рыба, открыт ли на нее сезон ловли, и съедобна ли она? При помощи быстрого сканирования вашего улова, приложение FishVerify может определить вид рыбы, предоставить информацию о ее съедобности и среде обитания, и, используя GPS телефона, может сообщить какое количество данной рыбы можно выловить согласно закону.
FishVerify создано на основе нейронной сети, виде искусственного интеллекта, который может быть обучен при наборе данных и использоваться для распознавания изображений. В этом случае систему наполнили 1,5 миллионами картинок более 1000 различных видов рыбы, и бета-версия приложения на данный момент разбирается примерно в 150 видах.
Используя постоянно растущий набор данных, суть заключается в том, чтобы рыбаки могли сделать фото любой пойманной рыбы, и за пару секунд приложение скажет им, что это за рыба, а также все ее физические особенности, где ее можно найти, как поймать, и можно ли ее кушать. Существующие фотографии также могут быть импортированы, если вдруг неделю назад вы поймали неизвестную рыбу, но не знали, что это за вид и просто выкинули, сфотографировав предварительно.
FishVerify также может использовать информацию о местонахождении с вашего телефона, чтобы проверить, как много этой рыбы можно унести, не нарвавшись на штраф от рыбнадзора, сезонность этой рыбы и рекорды по улову этого вида. Приложение автоматически будет ставить геотеги ваших уловов, создавая подробный дневник того, где, когда и что вы словили. Если же рыбаку нужна конкретная рыба, то приложение подскажет, где лучше всего искать указанный вид.
Приложение FishVerify представлено на Kickstarter, где за 15 долларов и выше можно получить доступ к бета-версии уже сейчас. Доступно приложение пока только на iOS, но версия для Android уже находится в разработке.
Новости по теме:
Партнерская программа: в чем преимущества для вебов?
Гемблинг партнерки – это удобный способ заработка, если у вас есть аудитория пользователей. Огромным плюсом для вебов является то, что вся основная организация работы уже настроена. Вам не нужно искать заказчика, конкурировать с другими исполнителями, доказывать, что ваша площадка лучше подходит под оффер, а после получения оффера оговаривать множество нюансов по отчетности и оплате. Все это за вас делает сра-сеть. Все что вам нужно – просто зарегистрироваться и начать сотрудничество по конкретному офферу.
Российские власти выделят миллиарды на создание отечественного ПО
Правительство России собирается выделить гигантскую сумму на разработку российского программного обеспечения. Это будет господдержка, и деньги будут выделены из бюджета не позднее 2024 года. Как стало известно «Коммерсанту», сумма составит 46,3 миллиарда рублей, выдаваться она будет в виде грантов. Решение было принято в рамках заседания Президиума правительственной комиссии по цифровому развитию. Что важно, пока неясно, о каком софте идет речь – разумеется, такие деньги будут вложены только в очень крупный проект, который в дальнейшем будет использоваться или государством, или госструктурами, или же бюджетными ведомствами.
Куда в России пойти работать с онлайн-образованием
Пандемия коронавируса COVID-19 перевернула весь мир и все его аспекты, включая процесс обучения. Многие вузы начали обучать студентов онлайн, да и специализированные веб-ресурсы, обучающие тем или иным специальностям, на отсутствие клиентов теперь точно не жалуются. Вот только берут на работу специалистов с онлайн-образованием далеко не везде. В России так сложилось, что компании малого и среднего бизнеса не очень хотят видеть в своем штате людей, отучившихся в интернете – им все еще нужны работники, потратившие несколько лет своей жизни на полировку мягким местом стульев в аудиториях. Другое дело, по данным РБК, – крупные компании, вот им обучившиеся в онлайне специалисты очень даже нужны.
Что такое сервис виртуальных номеров, и для чего он нужен
Что такое сервис виртуальных номеров
Сервис виртуальных номеров – это очень популярная в России и многих странах мира услуга. Она позволяет покупать одноразовый российский номер для самых разных целей, притом не выходя из дома, в любых объемах и без физических SIM-карт, Подобной услугой могут пользоваться как физлица, так и индивидуальные предприниматели, а также юридические лица, и у каждого может быть свой сценарий применения виртуальных номеров.
Умные сети для рыбаков: как мы учили смартфоны распознавать рыбу
Компьютерное зрение, как часть мира будущего
Технологии для автоматизации задачи, требующие распознавание образов, пользуются спросом на службе правительств и в высокотехнологичных компаниях. Они помогают решать задачи людей, нуждающихся в помощи — фермеров и защитников окружающей среды. Приложение Seeing AI от Microsoft описывает окружающий мир для слепых людей. А молодой разработчик создал для родителей фермеров сортировку овощей, облегчив труд.
Мы давно следим за развитием технологий. Потенциал машинного обучения вдохновляет нас искать приложения перспективных технологий в наших продуктах для решения повседневных задач простых людей. В 2016 году, работая над социальной сетью для рыбаков, мы решили сделать лучшее, что в наших силах, чтобы любимое многими хобби, стало не просто удобнее, но и интереснее.
Цель и постановка задачи
Современные рыбацкие сообщества до сих пор живут на форумах, построенных в начале 2000-х. Темы с рассказами о лучших местах для рыбалки, снаряжении и фотографиями улова — наиболее активны. Люди делятся запечатленной на смартфон рыбой, выкладывая пост на форум. Братья по оружию (в этом случае, удочке) обсуждают добычу, соревнуясь друг с другом кто поймал щуку побольше. Такую теплую соревновательную атмосферу нарушать нам не хотелось. Как раз напротив, сделать рыбалку активнее, удобнее и чуточку современнее, по крайней мере, в этом аспекте.
Порядка 500 млн человек во всем мире увлекаются сегодня рыбалкой. Представители одного из самых больших комьюнити, давно берут с собой смартфоны на рыбалку, однако, все также сидят на устаревших форумах или группах в Facebook. Удивительно, но современных ресурсов и приложений для рыбаков почти нет. Мы хотели исправить это досадное упущение посредством технологий.
Созданное нами приложение поможет рыбакам не только определить вид и длину рыбы, но и оставить трофей на доске почета. Каждый рыбак хочет видеть добычу в своей коллекции. Сканируя поимку, приложение добавляет ее в профиль, так, чтобы пользователь смог похвастаться уловом со своими друзьями. Наверное, у большинства рыбаков, которые считают это занятие больше чем хобби, есть чувство соревновательного азарта. Специально для них, мы также решили добавить рейтинги. Пользователи с большим уловом будут на вершине рейтинга, становясь стимулом для остальных. Рассказы типа «я поймал ВОТ такую рыбу» не будут восприниматься всерьез. Приложение будет знать, кого поймал рыбак и какой длины.
Человека больше не будет отвлекать загрузка фотографий на форум, определение вида и размера рыбы — все сделает машинное обучение. Останется только наслаждаться любимым занятием — ловить рыбку.
Учим сеть улавливать рыбу
Сбор данных
Открытые датасеты с разметкой вида рыбы или бокса с ее положением практически отсутствуют. Данные можно найти у ImageNet и отдельных лабораторий, но объём, качество снимков и разметки оставляют желать лучшего.
Первого взгляда на первую сотню фотографий улова будет достаточно, чтобы понять, что рыбакам со всего мира нравится делать селфи с рыбой, а не качественные фотографии.
Фотографии и видео с рыбалки содержат нужные данные, но они имеют ряд существенных недостатков:
Глубокие сети требовательны к объему и менее требовательны к качеству. Но рыболовные снимки в сыром виде непригодны.
Наша методика позволила нам решить сразу несколько проблем — сбора данных и их очистки. Она заключается в последовательном увеличении качества, моделей и данных:
Мы размечаем вручную границы рыбы для нескольких непохожих видов для избежания переучивания на один вид. Например, камбала, щука и карп. Несколько дней работы — это пара тысяч картинок.
Выбираем архитектуру для детекции. Быструю и точную для работы с большим количеством данных. R-FCN показалась подходящей.
Обучаем сеть различать рыбу и не-рыбу (фон), детектить первое. Делаем веб-интерфейс для инференса медийных материалов наших рыбаков. Он может вставить в веб интерфейс ссылку на своё видео, которое будет покадрово прогнанно через модель детекции. Все кадры, содержащие рыбу, будут выведены на экран для удаления дубликатов и ошибок…
Такая админка позволяет собирать данные для целевого вида, а обработанные сетью и проверенные человеком использовать для:
60%.
Обучение классификации
Мы намерены расширять количество распознаваемых видов, поэтому выбирали архитектуру классификатора среди сетей, которые предсказывали 1000 классов на ImageNet. Выбор пал на Inception-ResNet-2, как оптимальное соотношение размера и точности.
Для обучения использовались TensorFlow, EVGA GeForce GTX 1080 Ti и EVGA GeForce GTX 1080.
Полное обучение модели дало большую точность, чем обучение полносвязных слоев модели ImageNet. Скорее всего потому, что сеть научилась низкоуровневым паттернам, таким как рисунок чешуи. Обучение заняло более 80 часов на двух видеокартах.
Первые результаты были поразительны!
Пока все восхищались тем фактом, что доучили нейронку до уровня мультипликационной абстракции, некоторых терзало сомнение, что сеть переучилась.
Но зря, камера запечатлела типичного керри на миде, значит всё впорядке.
Полученное решение страдало от больших ошибок на похожих видах. На изображениях представлены легендарный язь и голавль, отличить которых, способны лишь заядлыми рыбаками.
Ситуация обстоит еще хуже с форелью.
Более десятка популярных видов форелей и лососей не просто могут запутать неспециалиста, но и невероятно изменчивы в течении жизни. От стадии личинки до нереста они меняют свой окрас и форму кардинально в зависимости от возраста, времени года и даже состава воды. Далеко не каждый человек распознает один и тот же вид одной форели с интервалом в несколько лет. Такие виды, как кижуч и чавыча отличить человеку сложно даже по описанию. Из-за человеческой ошибки данные перепутаны, для каждого класса модель требует не менее 1000 фотографий для точности более 80%, при нескольких десятках видах вручную компетентно просматривать такие объёмы ресурсозатратно.
Наше решение заключалось в итерационном очищении датасета от ошибок разметки посредством самой модели. Модель прогоняем на своём же датасете, находим все картинки с несовпадением предсказания модели и разметки. Большинство таких картинок оказываются ошибками последнего. Отсеиваем их, переучиваем модель и получаем высокие метрики на валидационном датасете. В результате, удалось получить точность модели более 90+% даже для похожих видов. Сеть умеет практически безошибочно различать 8 схожих видов форелей и лососей, и более десятка окуней. Однако, в редких случаях сеть все же ошибается. Причину лучше показать наглядно:
Измеряем улов
Переоценка своего улова — очень важная фича белковых нейросеток. Для точного измерения, нужно знать границы рыбы на фотографии и иметь дальномер, как на новых смартфонах со сдвоенными камерами.
Наша цель — обеспечить рыбакам точное измерение улова автоматически, простым наведением телефона. Приложение должно уметь определять, когда рыба в кадре классифицирована и локализована. Необходимо измерять длину рыб по нескольким различным стандартам. Архитектура Faster RCNN с Inception-ResNet-2 демонстрирует себя лучше аналогов, переводим классификаци на неё с R-FCN.
Результаты на аналогичных данных говорят сами за себя.
Тем не менее, такой метод измерения нам не подходит, так как боксы корректно определяющие длину и ширину только для горизонтального и вертикального положения, для произвольного положения не подходят и не способны оценивать длину изогнутой рыбы.
Точнее измеряем улов
Размечаем несколько тысяч фотографий ключевыми точками для покрытия всех способов измерения по различным стандартам.
Обучаем модель для регрессии по ключевым точкам, которая увеличит точность измерения длины и сможет влезть в телефон. Если мы переносим детекцию на устройство, то сможем отправлять на классификацию уже обрезанный участок с рыбой, что увеличит надёжность и поможет снять нагрузку с сервера. Телефон будет отправлять запрос только, когда обнаружит рыбу. К сожалению, модель регрессии точек не сможет отличить рыбу от не-рыбы, поэтому нам понадобится модель такого бинарного классификатора на устройство.
Для регрессии по ключевым точкам берём предобученную на ImageNet’e «голову» от архитектуры ResNet50, добавляем 2 полносвязных слоя на регрессию 14 переменных — координаты всех точек. Функция потерь MAE. Вес модели
Аугментации: флипы горизонтальные/вертикальные, яркость, рандомные кропы (хорошо зашли), скейл. Все координаты точек нормировались на [-1, 1]
Для создания бинарного классификатора, создаём свою модель, похожую на AlexNet. Обучаем на рыбах и «не-рыбах».
Тут все стандартно: бинарная кросс энтропия, аугментации, метрика accuracy (выборки сбалансированы)
В дальнейшем мы планируем увеличивать количество распознаваемых видов, превзойти точностью модели человеческую и переносить модель полностью на устройство. Наша цель не просто создать универсальный инструмент для рыбаков, а объединить все комьюнити в едином проекте.
Помогите определить рыбку по фото
Помогите определить рыбку по фото
Сообщение maktub » 02 мар 2010, 21:29
Помогите определить рыбку по фото
Сообщение Metal » 02 мар 2010, 21:30
Помогите определить рыбку по фото
Сообщение Roman » 02 мар 2010, 21:33
Помогите определить рыбку по фото
Сообщение Metal » 02 мар 2010, 21:35
Помогите определить рыбку по фото
Сообщение maktub » 02 мар 2010, 21:39
Помогите определить рыбку по фото
Сообщение Metal » 02 мар 2010, 21:41
Помогите определить рыбку по фото
Сообщение maktub » 02 мар 2010, 21:44
Помогите определить рыбку по фото
Сообщение Алексей » 02 мар 2010, 21:45
Помогите определить рыбку по фото
Сообщение Алексей » 02 мар 2010, 22:04
Помогите определить рыбку по фото
Сообщение Smile » 16 апр 2010, 17:59
Помогите определить рыбку по фото
Сообщение Roman » 16 апр 2010, 18:20
Помогите определить рыбку по фото
Сообщение Smile » 16 апр 2010, 18:29
to AquaStatuS :
Да, да, рак гораздо больше похож на фото нежели омары которых я находил 🙂 Только вот что-то рак какой то низенький и толстенький находится в нете.
Или на моей картинке он вытянулся и ракурс такой. 🙂
Спасибо за помощь! 😉
Помогите определить рыбку по фото
Сообщение Анфиска » 16 апр 2010, 18:36
Помогите определить рыбку по фото
Сообщение Roman » 16 апр 2010, 20:01
Smile, на вашем фото всё же рак, у омара гораздо массивнее клешни и они другой формы.
Помогите определить рыбку по фото
Сообщение Katerina4664 » 30 июл 2019, 17:07
Помогите определить рыбку по фото
Сообщение yulia211 » 30 июл 2019, 23:47
Помогите определить рыбку по фото
Сообщение Katerina4664 » 31 июл 2019, 01:24
Помогите определить рыбку по фото
Сообщение yulia211 » 31 июл 2019, 12:26
Помогите определить рыбку по фото
Сообщение Katerina4664 » 31 июл 2019, 16:05
Помогите определить рыбку по фото
Сообщение serg_42 » 31 июл 2019, 18:08
Как сфотографировать свой улов-рыбу, чтоб было понятно какого она размера?
Для визуальной оценки пойманного трофея рыбы, я использую привязку изображения к хорошо известным предметам жизненного обихода. Такие предметы, как газета, зажигалка спички, людям хорошо известны. Фото рыбы с таким предметом дадут реальные представления о размере рыбы. Кому не известно, длина спичечного коробка составляет 5 см. Спичечный коробок на фоне одной рыбы, или нескольких, даст реальное масштабирование изображения. Ниже, мой фото, прошлогодних трофеев рыбалки. лещ и линь по 600 грамм.
Только не фотографируйте рыбину, держа её впереди себя на вытянутых руках. При некоторых фокусных расстояниях объектива предметы, расположенные ближе к такому объективу непропорционально увеличиваются на фотоснимке, создавая ложное представление о Вашем улове. Я видел такие снимки. Реально размер рыбы был в полтора-два раза меньше.
Если есть рядом какие-то знакомые всем предметы, например, пачка сигарет, спичечные коробки, то можно положить их рядом с уловом для оценки масштаба.
Если рыбина большая, то держите её ближе к своему туловищу, желательно рядом с ним, тогда такого обманного увеличения не будет.
Как искать рыбу на водоеме. По косвенным признакам и для чего нужен самый простой эхолот.
Не за горами сезон открытой воды и многие из нас начнут выбираться из душного города на водоемы дабы посвятить свой досуг любимой рыбалке-ведь «Время проведенное на рыбалке-в счет жизни не идет».
О методах и видах ловли поговорим в следующий раз. Ведь прежде чем начать ловить рыбу ее следует найти-поэтому у нас всегда ценились опытные рыболову, знающие «клёвые места». В принципе можно пойти по стандартному пути-прочесывать приманками все подряд-вот только времени это занимает много а результат зачастую оставляет желать лучшего-думаю многим это знакомо. Но рыболовная индустрия не стоит на месте и на помощь нам пришли эхолоты. Я не буду тут рассказывать про дорогие модели за 100+ т.р. лишь упомяну о них- а говорить буду о самых простых и дешевых моделях за 5-7 т.р. ведь многие пользователи не до конца представляют что они дают, другие же проходят мимо с мыслью-что такая дешевка им ничем не поможет.
Самая главная ошибка которую допускают- что эхолот показывает рыбу. На более продвинутых моделях это действительно так- там применяются технологии downscan, chirp и самая продвинутая structurescan. А эхолот который представлен на картинке выше нужен для того, чтобы понимать структура дна под тобой! Найти свалы, бровки, коряги и другие интересные рыбе места. Пускай он даже не покажет там рыбу-ведь луч эхолота не всегда пробивается через коряжник и не покажет прижатых ко дну щуку или судака. Но ловить на этой точке будет гораздо эффективней чем в слепую полоскать приманки на ровном как плац участке реки. Не ахти какой секрет-но многие о нем не знают. Даже найдя бровку и не увидев на ней рыбы уплывают дальше, вместо того чтобы проплыть вдоль бровки дальше.
Зачастую такие эхолоты показывают лишь скопление «бели»- кормовой рыбы-леща, плотвы и тд. Если вы ловите именно эту рыбу-в принципе свое место вы нашли. Но и охотников за хищником эта стая тоже должна заинтересовать- ведь где кормится «бель»- найдется и «пастух»-хищник нацеленный на поедание этой бели. Например:
И такое встречается сплошь и рядом. Это кстати и есть технологии chirp и downscan соответственно. С подобным эхолотом катаюсь я, но думаю общий посыл понятен.
Ловля «таргетированно»- на конкретных точках-приносит больше результата, чем прочесывание водоема «вслепую». Если вы нашли кормовую базу хищника- то хищник 90% будет рядом. Другой разговор что в это время он может быть не активен-о том как ловить пассивную рыбу мы поговорим в следующий раз.
Есть еще один вид эхолота-самый дорогой- «структурник»-надеюсь в этом году я его куплю. Выглядит это так.
Найдены дубликаты
Сообщество рыболовов
4.2K пост 8.2K подписчиков
Правила сообщества
Правилом хорошего тона считается указания места, где был выловлен трофей и элементарная вежливость.
Было бы очень не плохо, если к видео будет указано описание и происходящие в нем действия. На пикабу чаще всего читают и смотрят картинки, поэтому если у вас будет и видео и раскадровка этого видео, то у вашего поста будут выше шансы выйти в горячее
Остальные правила ничем не отличаются от правил пикабу Прочитать можно тут https://pikabu.ru/html.php?id=wtf
Хуясе скрины с самых простых эхолотов) да и хамиберд 175 с первой фотки далеко не самый простой.
эээм, а как практиком обычным летом пользоваться? Зимой более менее понятно, в лунку сунул и все видно во флешере. А летом от него толк есть какойто?
Ага, понял, почитаю про Про режим
Что то вы с ценой 5-7 тр погорячились. За 7 из нормального только Практик. А дальше от 10 и до бесконечности. Хотя мне Практика и зимой и летом за глаза хватает.
Основной посыл про технику поиска а не цены. Щас глянул в этой ценовой категории практик, Craft Echo и пр. от наших друзей из поднебесной.
Пособие для начинающих ловить на фидер.
Гуляю значится около озера а там объявление, прочитал, улыбнулся, сфотографировал.
Рыбаков ждут серьезные проблемы: запрет на ночную и подводную ловлю.
Рыбаков ждут серьезные запреты: на ночную и подводную ловлю.
Осложнить жизнь рыболовам-любителям намерен Минсельхоз. Чиновники хотят увеличить число запрещенных способов рыбалки. Как стало известно «МК», в ведомстве уже готов проект поправок к законопроекту «О любительском рыболовстве».
Комментирует ихтиолог Алексей ЦЕССАРСКИЙ:
«Против рыбалки с аквалангом выступают большинство самих рыбаков. Такой метод дает преимущество перед теми, кто рыбачит из лодки или с берега. Хотя, если будут установлены индивидуальные нормы, кому какое дело, что один рыбак поймает свою норму быстрее другого? Запрет на рыбалку с фонарями — это бред. Многие любят рыбачить именно ночью, это отдельное хобби. В итоге получится, что в темное время вместо легальных рыбаков на водоемы придут браконьеры. То же самое и про рыбалку рядом с местами отдыха. На состояние рыбы это никак не влияет, поэтому не вижу смысла в таком запрете. Что касается запрета на гаджеты, то это также вряд ли оценят рыбаки. Простенькие эхолоты есть сейчас у всех. Кроме того, популярны подводные видеокамеры, которые опускаются под воду на шнуре. Они ничем не вредят экосистеме, а играют просветительскую роль. Рыбак может понаблюдать, что происходит под водой».