Машинное обучение помогло нанести на карту рыболовные суда

Global Fishing Watch

Google совместно с организациями SkyTruth и Oceana запустил картографический сервис Global Fishing Watch, который помогает следить за активностью рыболовных судов. Об этом сообщается в блоге сервиса Google Maps.

Высокие темпы рыбной ловли в различных районах могут приводить к сильному сокращению популяции местных видов рыб — в таких случаях власти вводят ограничение на промысел рыбы в отдельных районах. Одна из проблем соблюдение такого ограничения — сложность реального наблюдения за перемещением промысловых судов. Несмотря на то, что суда передают информацию о своем местоположении, по этим данным нельзя определить тип судна и однозначно сделать какие-либо выводы.

Сервис Global Fishing Watch с помощью машинного обучения определяет промысловые суда из 200 тысяч судов, передающих данные о своем местоположении. Для этого систему предварительно обучили на наборе размеченных людьми данных — по траектории перемещения судна можно определить не только общее назначение судна, но также и тип используемой снасти.

Обученный алгоритм обработал данные о перемещении судов за последние 4,5 года по всему миру. Данные о перемещении каждого судна, вместе с наименованием и страной привязаны к карте и опубликованы в открытом доступе, при этом база данных постоянно пополняется, и пользователю доступна информация вплоть до последних дней. При работе с сервисом пользователь может выбрать отображение запретных зон — по словам представителей Google, такой инструмент позволит правительственным и некоммерческим организациям следить за соблюдением действующих ограничений.

Методы машинного обучения применялись при создании различных карт и ранее — например, исследователи из Facebook и Колумбийского университета при помощи нейросети составили карту плотности населения для 20 стран мира, ориентируясь на плотность застройки местности. Другая группа исследователей также использовала спутниковые снимки, но уже для определения бедности отдельных районов с помощью методов машинного обучения.

Николай Воронцов

Нашли опечатку? Выделите фрагмент и нажмите Ctrl+Enter.