(接上篇)
数据分析显威 相信聪明的读者已经猜到,足迹识别技术之所以焕发新春,其精确的关键,就是与新发展的高级数据分析技术的结合。 例如,大熊猫和猫科动物脚印的差异,大熊猫的前面有五个脚趾,在侧面还有一个专门用于抓握东西的小的趾头,在底下还有一块类似于小脚掌的东西,这较好辨识。然而,要从两组很相似的脚印辨别出这是两支不同的犀牛,这对于非洲猎人可能都是一个重大的考验。但Alibhai介绍,通过正确的统计方法,建立正确的模型,正常人眼里貌似一样的脚印,在统计学当中有显著的差异,最终能够把它还原成两只不同的犀牛。这种统计模型的实现,正是高级数据分析技术的拿手好戏。 在FIT中,只要针对脚印的模式和特征,以及拍摄环境,调整不同的模块和参数(如雪的厚度),对脚掌信息拆分,包括脚趾之间的距离,中心点之间的距离,各个中心点连线之后不同的角度等等,作为原始数据,即可进行分析,让老旧的技术焕发新的生命。 然而,动物学的研究本身就是一项浩瀚的工作,一位优秀的动物学家,穷毕生之心血,尚觉精力有限,还需要分心修习统计学这门博大精深的学问,然后针对不同的物种建立各种不同的模型,这似乎不太科学——这项工作需要深刻地了解动物,统计学专家无法完全代劳。 例如,要如何科学地取中心点,又如,要确保东北虎模型的正确性,能够通过脚印辨识动物信息,需要通过圈养的老虎生成的数据进行模型训练,然后反复修正和校验,最终才能得到正确的模型用于有效地预测野生东北虎。 所以我们也看到,目前大数据概念热炒,很多专家都预测,大数据要深入应用,数据科学家不可或缺。可是数据科学家或者数据动物学家,多么的可遇不可求。 幸好,FIT并不需要动物学家去深入研究统计学。“你根本不需要懂得太多的统计学的原理和技术,就可以用FIT去分析你所得到的脚印图像。我只要把一个图片的信息拉到我的菜单里,它就能够自动计算出这些图形的特征。” Alibhai说。 对于动物学家来说,这无疑是极大的解放。FIT实现这一解放的秘密武器是什么呢?
|