国产精品久久久aaaa,日日干夜夜操天天插,亚洲乱熟女香蕉一区二区三区少妇,99精品国产高清一区二区三区,国产成人精品一区二区色戒,久久久国产精品成人免费,亚洲精品毛片久久久久,99久久婷婷国产综合精品电影,国产一区二区三区任你鲁

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

英國非營利組織 Conservation AI 在全球瀕危物種威脅檢測方面取得巨大飛躍

NVIDIA英偉達企業解決方案 ? 來源:未知 ? 2023-02-22 06:55 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

非營利組織使用 NVIDIA Jetson 平臺和 Triton 推理服務器,實時檢測穿山甲、犀牛等 50 多個物種所面臨的威脅。

0764e04c-b239-11ed-bfe3-dac502259ad0.jpg

圖中所示的是首次使用人工智能AI)對全球最瀕危的物種之一——穿山甲進行實時檢測的情形。

總部位于英國的非營利組織 Conservation AI 采用 NVIDIA 技術讓實時監測成為現實。AI 可以幫助實時追蹤最稀有、隱蔽的物種,使動物保護者能夠及時保護它們免受偷獵者、火災等威脅。

該組織四年前由利物浦約翰摩爾大學的研究人員 Paul Fergus、Carl Chalmers、Serge Wich 和 Steven Longmore 創立。

在過去的一年半中,Conservation AI 已經在全球各地部署了 70 多個 AI 攝像頭。這些攝像頭幫助動物保護者通過使用遷移學習訓練的深度學習模型實時檢測威脅,保護生物多樣性。

Chalmers 目前在利物浦約翰摩爾大學教授深度學習和應用 AI。他表示:“我們這么做的原因很簡單,如果不保護生物多樣性,人類也將從這個星球上消失。而沒有 AI,我們就永遠無法實現保護瀕危物種的目標?!?/span>

Conservation AI 解決方案使用NVIDIA Jetson邊緣 AI 平臺和NVIDIA Triton推理服務器構建,可在短短四秒內完成對錄像的分析、識別目標物種,并通過電子郵件向動物保護者和其他用戶發出潛在威脅警報。

它還可以利用一個包含圖像和其他元數據的巨大數據庫,快速模擬生物多樣性和棲息地健康的趨勢,這項分析工作原本需要花費數年時間才能完成。然而現在通過該平臺,動物保護者能夠實時識別這些趨勢和物種活動情況。

Conservation AI 與全球 150 家組織開展合作,包括保護協會、野生動物園、狩獵保護區等。到目前為止,該平臺已處理超過 200 萬張圖片,其中約一半是在過去三個月處理的。

時間就是生命

一直以來,我們都是在使用相機陷阱(在野外放置配備紅外傳感器的相機網絡)檢測生物多樣性所面臨的威脅。但由于動物和它們所在環境的圖像常常會發生很大的變化,因此相機陷阱會產生難以管理的數據。

利物浦約翰摩爾大學機器學習教授 Fergus 表示:“常規的相機陷阱研究可能需要三年時間進行分析,等到分析結果出來再對這些物種所面臨的威脅采取任何措施,恐怕為時已晚。Conservation AI 可以及時分析這一數量級的數據,并將結果發送給動物保護團隊,這樣就可以實時進行干預,而這一切都是 NVIDIA 技術賦能實現的?!?/span>

許多瀕危物種居住在人類通信系統范圍之外的偏遠地區。于是,該團隊使用NVIDIA Jetson AGX Xavier模塊分析無人機在此類地區拍攝的錄像。這些錄像被傳輸到一個智能控制器,該控制器可以計算物種數量,或者在檢測到目標物種時提醒動物保護者。

Chalmers 表示,與該組織以前的方法相比,配備 Triton 推理服務器的 Jetson 模塊所提供的節能型邊緣AI,將深度學習推理的速度提高了 4 倍。

他表示:“我們選擇 Triton 是因為該框架的彈性及其對多種模型的支持。通過在 NVIDIA 加速計算堆棧上訓練模型,我們可以非常迅速地對模型作出很大的優化改進?!?/span>

Conservation AI 使用 NVIDIA RTX 8000、T4 和 A100 Tensor Core GPU 以及NVIDIA CUDA工具套件對其深度學習模型進行訓練和推理。Fergus 認為 NVIDIA GPU “徹底改變了存在大數據難題的應用 AI 和動物保護領域”。

另外,該團隊將物種檢測流程建立在專為視覺 AI 應用打造的NVIDIA DeepStream軟件開發套件上,實現了現場實時視頻推理。

Chalmers 表示:“如果沒有這項技術,一般會派直升機去觀察動物,這么做的成本非常高,而且由于會排放大量二氧化碳而對環境產生不良影響。Conservation AI 的技術有助于減少這一排放問題,并在為時已晚之前檢測到對動物的威脅。”

追蹤穿山甲、犀牛等更多動物

英國著名的動物保護協會切斯特動物園已將 Conservation AI 平臺用于實時檢測偷獵者,包括在烏干達獵殺穿山甲的人。

由于穿山甲等許多瀕危物種的行動難以捉摸,因此很難獲得足夠的圖像來訓練 AI 模型。因此 Conservation AI 正在與 NVIDIA 一起研究使用合成數據來訓練模型。

該平臺還被部署在南非林波波省的一個野生動物保護區。該保護區使用 AI 監視那里的黑犀牛、白犀牛等野生動物。

Chalmers 表示:“一磅犀牛角的價值比一磅鉆石還要高。我們在這些犀牛周圍建立了一個地理圍欄,一旦發現有偷獵者或其他威脅,保護區的人員就可以立即進行干預?!?/span>

Fergus 表示,該組織的長期目標是創建一個支持動物保護者開展各項工作的工具套件,包括通過衛星圖像監測野生動物,以及使用能夠分析動物叫聲、森林火災聲音等音頻的深度學習模型。

Chalmers 表示:“生物多樣性的喪失是一顆定時炸彈,而 NVIDIA AI 的厲害之處在于它讓每一秒鐘都變得有意義。如果沒有 NVIDIA 加速計算堆棧,我們就無法做到這一點,也無法實現應對氣候變化和防止生物多樣性喪失的最終目標?!?/span>

進一步了解 NVIDIA 技術如何幫助促進動物保護(https://blogs.nvidia.com/blog/2021/11/18/jeremy-dertien-tigers-united/

和防止偷獵(https://blogs.nvidia.com/blog/2022/08/22/ai-drone-rhino-poachers/)。

主題圖片由切斯特動物園提供。

07a322f8-b239-11ed-bfe3-dac502259ad0.png

點擊 “閱讀原文” 或掃描下方海報二維碼,即可免費注冊 GTC23,在 3 月 24 日 聽 OpenAI 聯合創始人與 NVIDIA 創始人的爐邊談話,會議將由 NVIDIA 專家主持,配中文講解和實時答疑,一起看 AI 的現狀和未來!


原文標題:英國非營利組織 Conservation AI 在全球瀕危物種威脅檢測方面取得巨大飛躍

文章出處:【微信公眾號:NVIDIA英偉達企業解決方案】歡迎添加關注!文章轉載請注明出處。


聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 英偉達
    +關注

    關注

    23

    文章

    4086

    瀏覽量

    99169

原文標題:英國非營利組織 Conservation AI 在全球瀕危物種威脅檢測方面取得巨大飛躍

文章出處:【微信號:NVIDIA-Enterprise,微信公眾號:NVIDIA英偉達企業解決方案】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    GPT-5震撼發布:AI領域的重大飛躍

    電子發燒友網報道(文/李彎彎)2025年8月8日凌晨1點,OpenAI以一場長達1小時的線上發布會正式推出GPT-5。這場被業界稱為“AI進化分水嶺”的發布,終結了長達兩年的技術猜測,更以多維度性能
    的頭像 發表于 08-09 07:44 ?1w次閱讀
    GPT-5震撼發布:<b class='flag-5'>AI</b>領域的重<b class='flag-5'>大飛躍</b>

    NETSCOUT揭示DDoS攻擊復雜程度、基礎設施容量和威脅主體能力方面的質變

    聯網基礎設施全球范圍內引發超過800萬次DDoS攻擊,部分攻擊流量高達每秒30太比特(Tbps),標志著超大規模、協同式威脅活動進入新時代,持續超越全球打擊行動的步伐。與此同時,DD
    的頭像 發表于 03-05 16:19 ?33次閱讀

    FLIR熱成像技術助力英國頂尖學府電卡效應研究領域取得重大突破

    科技日新月異的今天,高效能、可持續的冷卻技術成為電子設備與制冷行業關注的焦點。英國貝爾法斯特女王大學( Queen’s University Belfast)的研究團隊,憑借Flir先進的熱成像技術,電卡效應研究領域
    的頭像 發表于 01-16 11:43 ?536次閱讀

    MOLEX莫仕(莫萊克斯)連接器開發:協同工程為可穿戴設備取得飛躍進步~

    MOLEX莫仕(莫萊克斯)連接器開發:協同工程為可穿戴設備取得飛躍進步~
    的頭像 發表于 01-16 10:02 ?187次閱讀
    MOLEX莫仕(莫萊克斯)連接器開發:協同工程為可穿戴設備<b class='flag-5'>取得</b><b class='flag-5'>飛躍</b>進步~

    Altera Agilex 5 D系列FPGA和SoC家族全面升級

    Agilex 5 D 系列 FPGA 和 SoC 家族全面升級,為中端 FPGA 應用能力帶來巨大飛躍——邏輯單元、內存、DSP/AI 算力提升高達 2.5 倍,外存帶寬提升高達 2 倍,輕松駕馭功耗和空間受限環境中的高計算性能設計需求。
    的頭像 發表于 11-25 14:42 ?2226次閱讀

    物聯網設備面臨的多種安全威脅中,數據傳輸安全威脅和設備身份安全威脅有何本質區別?

    物聯網設備面臨的多種安全威脅中,數據傳輸安全威脅和設備身份安全威脅有何本質區別,實際應用中哪一種更難防范?
    發表于 11-18 06:41

    【「AI芯片:科技探索與AGI愿景」閱讀體驗】+可期之變:從AI硬件到AI濕件

    的不同。隨著AI熱潮的興起,大腦的抽象模型已被提煉成各種的AI算法,并使用半導體芯片技術加以實現。 而大腦是一個由無數神經元通過突觸連接而成的復雜網絡,是極其復雜和精密的。大腦本質上就是一臺濕潤的軟
    發表于 09-06 19:12

    JetBrains正式成為Godot Foundation白金贊助商,共塑游戲開發新篇章!

    Godot 是一款出色的游戲引擎,其方式與其他游戲引擎截然不同。 它是開源的非營利引擎,并由社區推動。 Godot Foundation 是一個非營利組織,旨在為 Godot Project 提供
    的頭像 發表于 09-01 13:28 ?846次閱讀
    JetBrains正式成為Godot Foundation白金贊助商,共塑游戲開發新篇章!

    NVIDIA Jetson Thor實現機器人實時推理能力的巨大飛躍

    這款專為全球數百萬機器人開發者設計、基于 NVIDIA Blackwell 的機器人計算機,可提供高達 2,070 FP4 TFLOPS 的計算性能,能高效應對代理式 AI、高速傳感器數據處理、通用機器人任務等復雜應用場景。
    的頭像 發表于 08-27 12:43 ?2341次閱讀

    睿海光電800G光模塊助力全球AI基建升級

    全球數字化轉型加速的背景下,超高速光模塊作為數據中心與AI算力網絡的核心部件,正經歷從400G向800G、1.6T的迭代浪潮。在這一賽道中,深圳市睿海光電科技有限公司(以下簡稱“睿海光電”)憑借
    發表于 08-13 19:05

    The Ocean Cleanup攜手亞馬遜云科技 利用AI技術加速清除海洋塑料

    先進的AI檢測系統與云計算技術將為未來海洋塑料清理提供強大動力,守護海洋生態系統 ? 北京 ——2025年 7 月 24 日 ?亞馬遜云科技宣布將與致力于清除全球海洋和河流塑料污染的非營利
    的頭像 發表于 07-24 14:07 ?1010次閱讀

    OpenKylin RISC-V 架構上的進展與未來規劃

    OpenAtom OpenKylin(簡稱 “OpenKylin”)是由麒麟軟件有限公司主導成立,由開放原子開源基金會孵化及運營的開源項目,由基礎軟硬件企業、非營利組織、社團組織、高等院校
    發表于 07-18 10:11 ?3895次閱讀
    OpenKylin <b class='flag-5'>在</b> RISC-V 架構上的進展與未來規劃

    AI技術助力全球野生動植物保護

    下面讓我們進一步了解正在使用 NVIDIA AI 和加速計算保護野生動物和自然棲息地的領先非營利組織與初創企業。
    的頭像 發表于 04-29 11:28 ?987次閱讀

    樹莓派 也能搞 AI 藝術?樹莓派遇上DALL-E,開啟你的 AI 藝術創作之旅!

    本教程將向你展示如何使用DALL-EAPI從你的RaspberryPi上生成隨機的AI藝術。近年來,人工智能(AI)是一個取得巨大飛躍的領域,這在很大程度上要歸功于OpenAI等團隊
    的頭像 發表于 03-25 09:29 ?926次閱讀
    樹莓派 也能搞 <b class='flag-5'>AI</b> 藝術?樹莓派遇上DALL-E,開啟你的 <b class='flag-5'>AI</b> 藝術創作之旅!

    使用OpenVINO? 2021.4CPU和MYRIAD上進行自定義對象檢測,為什么結果差異巨大

    使用自定義訓練的模型執行推理,以便在 2021.4 OpenVINO?中進行人員檢測。 與 MYRIAD 相比,CPU 的輸出結果取得巨大的差異
    發表于 03-06 07:45