对大无数东说念主来说，在树林里不测遭逢熊时，没东说念主会优先去评估它的体重或毛色——求生本能会坐窝盖过抚玩这头捕食者宽广爪子或口鼻体式的念头。正因如斯，分不清不同熊的区别全齐放纵不经。

{jz:field.toptypename/}

但对生态学家而言，长久（以致数年）监测单个动物对保护使命至关要紧。可即便行家也容易浑浊：熊的体重会随季节大幅波动，蛰伏前后的外形更是判若两“熊”。为处治这一费事，瑞士洛桑联邦理工学院（EPFL）与阿拉斯加太平洋大学（APU）的团队配置了机器学习次序PoseSwin，能精确离别不同的棕熊。联系谋划近期发表于《Cell Current Biology》期刊。

一、PoseSwin：靠头部特征+姿态识别，破解棕熊“身份费事”

PoseSwin的侦查数据来自APU谋划员Beth Rosenberg在2017-2022年间拍摄的7.2万余张像片，涵盖109头棕熊。这些像片在日夜不同期段、种种天气条目下拍摄，纪录了熊的种种作为。

谋划团队基于棕熊生理学学问，筛选出终生瓦解的头部特征：眉骨角度、耳朵位置、口鼻体式，同期连结熊在不同姿态和角度下的外不雅数据进行侦查。“咱们的生物学直观是，头部特征+姿态的组合，比随体重剧烈变化的体型更可靠，”EPFL谋划员Alexander Mathis解释说念，“数据阐明了这少许——PoseSwin的性能远超仅用形体图像或忽略姿态的模子。”

二、公民科学助力实地测试：跟踪熊的觅食迁移，不骚扰当然习性

团队连结“公民科学家”开展了实地测试：聚积卡特迈国度公园（“胖熊周”举办地）搭客拍摄的棕熊像片，输入PoseSwin后，亚博体彩app次序告捷将多只熊与数据库中的个体匹配。通过这些数据，谋划东说念主员已能跟踪熊的季节性觅食迁移旅途。

“这是PoseSwin后劲的具体体现，”Rosenberg说，“异日该工夫可分析搭客每年拍摄的数千张像片，绘图棕熊行径规模舆图。”

现在，团队正用PoseSwin监测麦克尼尔河州立野纯真物保护区的100多头熊，全程不骚扰它们的日常行径，以此获得更准确的健康数据，为保护使命提供枢纽复旧。“熊处于食品链尖端，是生态系统日常入手的枢纽，”Rosenberg强调。

三、开源算法适配多物种：从“最难识别”的熊，拓展到小鼠到黑猩猩

PoseSwin的利用不啻于熊：早期基准测试表示，历程猕猴数据侦查后，它的识别准确率仍是极高，意味着可快速拓展到其他物种。此外，该算法是开源的，任何东说念主齐可用于谋划其他动物——但可能莫得比熊更难识别的物种了。

“熊大约是最难个体识别的物种，”Mathis说，“咱们先攻克最难的，再将次序适配到从老鼠到黑猩猩的其他物种。”