提示：本文共有 1018 个字，阅读大概需要 3 分钟。
广袤荒茫的草原，灌木丛，雪地山林，高速摄影机下，我们可以看到，猎豹追捕正在四处逃窜的小鹿。
《动物世界》是中国中央电视台的一档电视节目，内容为动物的相关知识和纪录观察，兼具科学普及和休闲性质，拥有稳定的收视群体。该栏目早期一直由赵忠祥长期担任播音员。《动物世界》主要是引进英国BBC所制作的有关生物生态的纪录片。
BBC委派了“间谍小猴”、“间谍鳄鱼”、“间谍鳄鱼”、“间谍北极狼”等融于动物的生活，记录动物的行为、习惯、生活，了解可爱的他们。
然而对于生态学家，不仅要收集有关生物数量和分布的生物信息，还需要进行分类，进行数据分析。
科学研究领域，分拣照片，数据分析
在科学研究中，生态学家经常通过部署相机陷阱来研究野生动物种群，这些摄像机陷阱是远程独立设备，由运动和红外传感器触发，为研究人员提供过往动物的图像。收集后，必须根据研究目标对这些图像进行分类，以生成有用的生态数据进行分析。然而对于繁多复杂图像分类，即使在公民科学家的帮助下，也可能需要数年才能对所有图像进行分类。最近明尼苏达大学Marco Willi等人的研究表明，机器学习技术可以显着提供帮助。缩短分类时间。
研究人员利用来自非洲的采集图像的三个数据集 - 快照塞伦盖蒂，相机目录和大象探险 - 从快照威斯康星州一个数据集，并在北美采集到的图像。每个数据集的特征在9到55种之间，并且在拍摄各种物种的频率方面表现出显着差异。这些数据集也不同于诸如数据集大小，摄影机的位置，摄像头的配置，及物种的覆盖，其允许绘图更一般结论方面。
研究人员使用机器学习技术，通过显示已经由人类分类的图像的计算机数据集，教授计算机如何对图像进行分类。例如，机器将被显示为已知是来自不同角度的斑马图像的全部和部分图像。然后计算机将开始识别动物的图案，边缘和部分，并学习如何将图像识别为斑马。研究人员还可以利用其中的一些技能，帮助计算机识别其他动物，如鹿或松鼠，图像更少。
计算机还学会识别空图像，这些图像是没有动物的图像，其中摄像机通常由在风中吹动的植物引起。在某些情况下，这些空白图像约占所有相机陷印图像的80％。消除所有空图像可以大大加快分类过程。
计算机在项目中识别空图像的准确率介于91.2％和98.0％之间，而识别特定物种的准确率介于88.7％和92.7％之间。虽然稀有物种的计算机分类准确度较低，但计算机也可以告诉研究人员对其预测的信心。删除低可信度预测可将计算机的准确度提高到公民科学家的水平。
看到此处说明本文对你还是有帮助的，关于“机器学习如何助力生态学家进行科学研究”留言是大家的经验之谈相信也会对你有益，推荐继续阅读下面的相关内容，与本文相关度极高！
