非法野生動物貿(mào)易正成為生物多樣性面臨的最大威脅之一。它不僅威脅物種的生存，破壞生態(tài)平衡，還對公共衛(wèi)生安全構成風險。而互聯(lián)網(wǎng)憑借著其匿名性和便捷性，正在成為?法野?動物貿(mào)易的重要渠道。

國際愛護動物基?會（IFAW）長期致?于保護瀕危物種，努?遏制?法貿(mào)易。?2004年起，IFAW就開始關注互聯(lián)?上的?法野?動物貿(mào)易現(xiàn)象，并與執(zhí)法部門及互聯(lián)?企業(yè)合作，開展?絡野?動物犯罪相關研究，提供有關打擊?絡?法貿(mào)易的能?培訓，建??法野?動物貿(mào)易關鍵詞庫，舉辦野?動物保護主題公眾及?戶教育活動，團結各??量共同打擊?絡野?動物貿(mào)易。隨著互聯(lián)?監(jiān)管?度的加強，?法貿(mào)易者開始采取更為隱蔽的?段，不再在?告中提到物種名稱或者關鍵詞，?是僅使?圖?或者視頻?告來逃避監(jiān)測和屏蔽。因此使?傳統(tǒng)的關鍵詞檢索?式難以發(fā)現(xiàn)?法貿(mào)易信息，?單純使???在海量的?絡?告中鑒別野?動物制品，不僅準確率不?，?且需要耗費?量時間。

?法貿(mào)易者采用隱蔽?段進行廣告宣傳

為了應對這一挑戰(zhàn)，IFAW與百度飛槳攜手，開發(fā)了利用人工智能技術打擊非法野生動物制品貿(mào)易的“瀕危物種AI守護官”1.0版。瀕危物種AI守護官”1.0版可以識別象、穿山甲、虎等三種野生動物的制品。野生動物制品的?法貿(mào)易是對瀕危物種的?要威脅，但此前市?上進?物種識別的AI?具主要是?于識別活體的野?動物，沒有能夠識野?動物制品的。這???是因為制品的訓練數(shù)據(jù)相?于活體更加難以獲得，另???也是由于制品的樣式實在過于多樣化，并且與??、塑料、?材等材質(zhì)的制品外形?常類似。2023年，IFAW與百度再度合作，在飛槳的強大技術支持下，成功完成了“瀕危物種AI守護官”2.0版本的開發(fā)。2.0版本的守護官識別范圍擴大為9類野生動物制品和20種活體陸龜，識別準確度和速度也大大提升。

場景難點

在開發(fā)利???智能技術打擊?法野?動物制品貿(mào)易的“瀕危物種AI守護官”項?中，需要攻克的關鍵難點包括：

• 數(shù)據(jù)收集與標注難點：

• • 非法野生動物制品的分類多，可供訓練的圖片量較少。

  • 數(shù)據(jù)標注過程不僅需要?量人力成本，更需要專業(yè)知識和經(jīng)驗。

  • 不同類別數(shù)據(jù)數(shù)量相差?，?關注類圖?較多，?野?動物制品類圖?較少。

• 圖像識別技術挑戰(zhàn)：
• • 野?動物制品的外觀差異?，形狀、紋理、顏?變化多樣，識別難度?。
  • 野?動物制品可能與仿制品外形和紋理極其相似，即使專業(yè)?員也容易誤識別。
  • 對于部分加?或雕刻后的制品，其原始特征可能被改變或遮擋，?導致難以識別。
• 快速推理要求：
• • 需快速篩選出互聯(lián)?上的野?動物制品圖?，以減少?法交易的發(fā)?和擴散。

因此在搭建野?動物制品圖像分類系統(tǒng)時，技術上?臨著?個顯著的挑戰(zhàn)：

1. 使?較少的數(shù)據(jù)訓練出準確且泛化能?強的野?動物制品識別模型。

2. 野?動物制品圖像分類系統(tǒng)在保證準確識別的同時，需要滿??效率推理的需求，以便快速在眾多圖?中識別出野?動物制品。

方案設計

該任務?共需要識別29類野?動物及其制品，但是需要同時區(qū)分野?動物的仿制品或者完全是?關注的類別，因為項目組希望模型可以忽略這些類別，?把真正野?動物及其制品的圖?召回并做分類。為了使?同?個模型解決這兩個問題，項目組將野?動物制品的仿制品和?關注的圖像融合為了第30類，所以這個任務被抽象為了?個30類的圖像分類任務。下圖中左圖為傳統(tǒng)上的兩階段解決思路，右圖為項目組的?案。

選擇好?案后，項目組使?了星河零代碼產(chǎn)線研發(fā)模型。星河零代碼產(chǎn)線集成了PaddleX的多種先進圖像分類模型，并提供了兩種適?于圖像分類的主要產(chǎn)線：通用圖像分類和?模型半監(jiān)督學習-圖像分類。鑒于野?動物制品的數(shù)據(jù)量較少、標注成本?和識別難度?，?模型半監(jiān)督學習圖像分類產(chǎn)線可以進?步調(diào)優(yōu)模型， 解決通?圖像分類在這些問題上的局限。同時，通過使?云端的V100多卡算?，項目組能夠以低成本和低門檻有效解決野?動物制品的識別難題。

模型選型：PaddleX 提供了 3 檔 9 種 SOTA 圖像分類模型，包含?精度模型、?效率模型、精度-效率均衡模型，具體模型如下表所示。

考慮到在該場景的模型需要滿?快速推理的需求，項目組根據(jù)提供的模型精度表選擇了?效率模型作為待選模型?案，在?效率的三個模型中， PP-LCNet_x1_0 效率更?，所以項目組將其作為了base迭代模型。

零代碼開發(fā)

數(shù)據(jù)校驗

在零代碼產(chǎn)線中?持數(shù)據(jù)劃分及數(shù)據(jù)校驗。經(jīng)過數(shù)據(jù)校驗項目組可以得到如下結果，包含了數(shù)據(jù)集在訓練集、驗證集抽樣的樣本帶標簽的可視化效果，以及數(shù)據(jù)集的樣本類別分布圖。

模型訓練/調(diào)優(yōu)

眾所周知，超參數(shù)對模型精度的影響?常?，星河零代碼產(chǎn)線將影響最?的?些超參數(shù)在前端展示了出來，?便?戶調(diào)試。配置好參數(shù)后，可?鍵提交訓練。

在這個過程中，項目組根據(jù)這個野?動物及制品的數(shù)據(jù)做了很多優(yōu)化，最終將模型的精度從80.3%優(yōu)化到了86.5%。

為了進?步提升模型的精度，項目組在此基礎上使?了星河零代碼產(chǎn)線的?模型半監(jiān)督學習-圖像分類產(chǎn)線， 最終模型精度為92.5%，較之前提升了6個百分點，達到了上線效果。該任務的?模型半監(jiān)督學習-圖像分類流程整體如下圖：

整個過程中的精度優(yōu)化結果如下圖所示：

模型部署與效果展示

星河零代碼產(chǎn)線打通了模型部署流程，可以選擇標記過的模型權重，?鍵部署為在線服務 API，不僅可以在其他聯(lián)?設備中調(diào)? API，也?持通過在線體驗應?單圖測試模型效果。

如需將模型部署到離線設備上，也可獲取離線部署包。根據(jù)其中的示例?檔即可在??的設備上實現(xiàn)快速部署。

用戶聲音

2020年，“瀕危物種AI守護官”1.0版正式上線以來，已累計協(xié)助篩查近36萬圖片信息，準確識別出21271幅目標非法野生動物制品圖片，促成7853條非法貿(mào)易廣告被刪除。這一工具幫助項目組鎖定了很多傳統(tǒng)方法無法發(fā)現(xiàn)的信息，大大提高了工作效率和準確性，更好的支持執(zhí)法和互聯(lián)網(wǎng)平臺監(jiān)管等相關工作。2024年“瀕危物種AI守護官”2.0版部署成功。希望升級后的守護官能幫助項目組識別更多非法野生動物貿(mào)易，在保護瀕危物種中發(fā)揮更重要的作用。

精彩課程預告

為了讓?伙伴們更快速地了解應?范例教程，百度研發(fā)?程師將于8?8?（周四）19：00為?家深度解析從數(shù)據(jù)準備、數(shù)據(jù)校驗、模型訓練、性能調(diào)優(yōu)到模型部署的開發(fā)全流程開發(fā)難點，從場景、產(chǎn)線、?具完成產(chǎn)業(yè)實操體驗。趕快掃描下?海報?維碼預約報名！

• 通?圖像分類產(chǎn)線在線體驗地址：

https://aistudio.baidu.com/community/app/100061

• 模型開發(fā)云端體驗地址：

https://aistudio.baidu.com/pipeline/mine

• PaddleX開源本地版體驗地址：

https://github.com/PaddlePaddle/PaddleX

獲取更多技術內(nèi)容~