PaddleX图像分类赋能野生动物保护，打造濒危物种守护官

作者：小桥流水78 | 2024-08-07 17:27:14

踩

非法野生动物贸易正成为生物多样性面临的最大威胁之一。它不仅威胁物种的生存，破坏生态平衡，还对公共卫生安全构成风险。而互联网凭借着其匿名性和便捷性，正在成为⾮法野⽣动物贸易的重要渠道。

国际爱护动物基⾦会（IFAW）长期致⼒于保护濒危物种，努⼒遏制⾮法贸易。⾃2004年起，IFAW就开始关注互联⽹上的⾮法野⽣动物贸易现象，并与执法部门及互联⽹企业合作，开展⽹络野⽣动物犯罪相关研究，提供有关打击⽹络⾮法贸易的能⼒培训，建⽴⾮法野⽣动物贸易关键词库，举办野⽣动物保护主题公众及⽤户教育活动，团结各⽅⼒量共同打击⽹络野⽣动物贸易。随着互联⽹监管⼒度的加强，⾮法贸易者开始采取更为隐蔽的⼿段，不再在⼴告中提到物种名称或者关键词，⽽是仅使⽤图⽚或者视频⼴告来逃避监测和屏蔽。因此使⽤传统的关键词检索⽅式难以发现⾮法贸易信息，⽽单纯使⽤⼈⼯在海量的⽹络⼴告中鉴别野⽣动物制品，不仅准确率不⾼，⽽且需要耗费⼤量时间。

⾮法贸易者采用隐蔽⼿段进行广告宣传

为了应对这一挑战，IFAW与百度飞桨携手，开发了利用人工智能技术打击非法野生动物制品贸易的“濒危物种AI守护官”1.0版。濒危物种AI守护官”1.0版可以识别象、穿山甲、虎等三种野生动物的制品。野生动物制品的⾮法贸易是对濒危物种的⾸要威胁，但此前市⾯上进⾏物种识别的AI⼯具主要是⽤于识别活体的野⽣动物，没有能够识野⽣动物制品的。这⼀⽅⾯是因为制品的训练数据相⽐于活体更加难以获得，另⼀⽅⾯也是由于制品的样式实在过于多样化，并且与⽟⽯、塑料、⽊材等材质的制品外形⾮常类似。2023年，IFAW与百度再度合作，在飞桨的强大技术支持下，成功完成了“濒危物种AI守护官”2.0版本的开发。2.0版本的守护官识别范围扩大为9类野生动物制品和20种活体陆龟，识别准确度和速度也大大提升。

场景难点

在开发利⽤⼈⼯智能技术打击⾮法野⽣动物制品贸易的“濒危物种AI守护官”项⽬中，需要攻克的关键难点包括：

数据收集与标注难点：
- 非法野生动物制品的分类多，可供训练的图片量较少。
- 数据标注过程不仅需要⼤量人力成本，更需要专业知识和经验。
- 不同类别数据数量相差⼤，⾮关注类图⽚较多，⽽野⽣动物制品类图⽚较少。
图像识别技术挑战：
- 野⽣动物制品的外观差异⼤，形状、纹理、颜⾊变化多样，识别难度⼤。
- 野⽣动物制品可能与仿制品外形和纹理极其相似，即使专业⼈员也容易误识别。
- 对于部分加⼯或雕刻后的制品，其原始特征可能被改变或遮挡，⽽导致难以识别。
快速推理要求：
- 需快速筛选出互联⽹上的野⽣动物制品图⽚，以减少⾮法交易的发⽣和扩散。

因此在搭建野⽣动物制品图像分类系统时，技术上⾯临着⼏个显著的挑战：

1. 使⽤较少的数据训练出准确且泛化能⼒强的野⽣动物制品识别模型。

2. 野⽣动物制品图像分类系统在保证准确识别的同时，需要满⾜⾼效率推理的需求，以便快速在众多图⽚中识别出野⽣动物制品。

方案设计

该任务⼀共需要识别29类野⽣动物及其制品，但是需要同时区分野⽣动物的仿制品或者完全是⾮关注的类别，因为项目组希望模型可以忽略这些类别，⽽把真正野⽣动物及其制品的图⽚召回并做分类。为了使⽤同⼀个模型解决这两个问题，项目组将野⽣动物制品的仿制品和⾮关注的图像融合为了第30类，所以这个任务被抽象为了⼀个30类的图像分类任务。下图中左图为传统上的两阶段解决思路，右图为项目组的⽅案。

选择好⽅案后，项目组使⽤了星河零代码产线研发模型。星河零代码产线集成了PaddleX的多种先进图像分类模型，并提供了两种适⽤于图像分类的主要产线：通用图像分类和⼤模型半监督学习-图像分类。鉴于野⽣动物制品的数据量较少、标注成本⾼和识别难度⼤，⼤模型半监督学习图像分类产线可以进⼀步调优模型，解决通⽤图像分类在这些问题上的局限。同时，通过使⽤云端的V100多卡算⼒，项目组能够以低成本和低门槛有效解决野⽣动物制品的识别难题。

模型选型：PaddleX 提供了 3 档 9 种 SOTA 图像分类模型，包含⾼精度模型、⾼效率模型、精度-效率均衡模型，具体模型如下表所示。

考虑到在该场景的模型需要满⾜快速推理的需求，项目组根据提供的模型精度表选择了⾼效率模型作为待选模型⽅案，在⾼效率的三个模型中， PP-LCNet_x1_0 效率更⾼，所以项目组将其作为了base迭代模型。

零代码开发

数据校验

在零代码产线中⽀持数据划分及数据校验。经过数据校验项目组可以得到如下结果，包含了数据集在训练集、验证集抽样的样本带标签的可视化效果，以及数据集的样本类别分布图。

模型训练/调优

众所周知，超参数对模型精度的影响⾮常⼤，星河零代码产线将影响最⼤的⼀些超参数在前端展示了出来，⽅便⽤户调试。配置好参数后，可⼀键提交训练。

在这个过程中，项目组根据这个野⽣动物及制品的数据做了很多优化，最终将模型的精度从80.3%优化到了86.5%。

为了进⼀步提升模型的精度，项目组在此基础上使⽤了星河零代码产线的⼤模型半监督学习-图像分类产线，最终模型精度为92.5%，较之前提升了6个百分点，达到了上线效果。该任务的⼤模型半监督学习-图像分类流程整体如下图：

整个过程中的精度优化结果如下图所示：

模型部署与效果展示

星河零代码产线打通了模型部署流程，可以选择标记过的模型权重，⼀键部署为在线服务 API，不仅可以在其他联⽹设备中调⽤ API，也⽀持通过在线体验应⽤单图测试模型效果。

在线服务化部署页面

服务调用方式

服务化部署测试效果

如需将模型部署到离线设备上，也可获取离线部署包。根据其中的示例⽂档即可在⾃⼰的设备上实现快速部署。

用户声音

2020年，“濒危物种AI守护官”1.0版正式上线以来，已累计协助筛查近36万图片信息，准确识别出21271幅目标非法野生动物制品图片，促成7853条非法贸易广告被删除。这一工具帮助项目组锁定了很多传统方法无法发现的信息，大大提高了工作效率和准确性，更好的支持执法和互联网平台监管等相关工作。2024年“濒危物种AI守护官”2.0版部署成功。希望升级后的守护官能帮助项目组识别更多非法野生动物贸易，在保护濒危物种中发挥更重要的作用。

精彩课程预告