Les scientifiques ont appliqué des modèles de vision artificielle et ont pu déduire du contexte d’une image si elle concernait la vente d’un animal vivant. Ces méthodes permettent de signaler les postes susceptibles de vendre illégalement des animaux.
On estime que le commerce illégal d’espèces sauvages est une industrie de plusieurs milliards de dollars où des centaines d’espèces sont commercialisées dans le monde. Une proportion considérable du commerce illégal d’espèces sauvages utilise désormais les marchés en ligne pour faire de la publicité et vendre des animaux vivants ou des produits d’origine animale, car il peut atteindre plus d’acheteurs qu’auparavant. Avec le commerce qui se déroule sur Internet, il est extrêmement difficile de rechercher manuellement dans des milliers de messages et des méthodes de filtrage automatisé sont nécessaires.
Par rapport à l’utilisation de la vision par ordinateur pour identifier les espèces à partir d’images, l’identification des images liées au commerce illégal d’espèces sauvages est rendue difficile par la nécessité d’identifier le contexte dans lequel les espèces sont représentées.
Dans un nouvel article publié dans Conservation biologiquedes scientifiques basés au Helsinki Lab of Interdisciplinary Conservation Science, Université d’Helsinki, ont comblé cette lacune et développé un algorithme automatisé utilisant l’apprentissage automatique pour identifier ce contenu d’image dans l’espace numérique.
« C’est la première fois que des modèles de vision artificielle sont appliqués pour déduire le contexte d’une image afin d’identifier la vente d’un animal vivant. Lorsqu’un vendeur fait la publicité d’un animal à vendre, la publicité est souvent accompagnée d’une image du animal en captivité. Cela diffère des images non-captives, par exemple une photo d’un animal prise par un touriste dans un parc national. En utilisant une technique appelée feature visualisation, nous avons démontré que nos modèles pouvaient prendre en compte à la fois la présence de un animal dans l’image, et l’environnement de l’animal dans l’image. Ainsi, cela permet de signaler les messages qui peuvent vendre des animaux illégalement », explique le Dr Ritwik Kulkarni, l’auteur principal de cette étude.
Dans le cadre de leurs recherches, les scientifiques ont formé 24 modèles de réseaux neuronaux différents sur un ensemble de données nouvellement créé, dans diverses conditions expérimentales. Les modèles les plus performants ont atteint une très grande précision et ont pu bien discerner les contextes naturels et captifs. Une autre caractéristique intéressante de l’étude est que les modèles ont également été testés et ont bien fonctionné sur des données acquises à partir d’une source non liée aux données de formation, montrant ainsi leur capacité à bien fonctionner pour l’identification d’autres contenus sur Internet.
« Ces méthodes changent la donne dans notre travail qui vise à améliorer l’identification automatisée du contenu du commerce illégal d’espèces sauvages à partir de sources numériques. Nous intensifions maintenant ce travail pour inclure davantage de groupes taxonomiques au-delà des mammifères et pour développer de nouveaux modèles capables d’identifier le contenu des images et du texte. simultanément », explique le professeur agrégé Enrico Di Minin, l’autre co-auteur qui dirige le laboratoire d’Helsinki sur les sciences interdisciplinaires de la conservation.
Plus d’information:
Ritwik Kulkarni et al, Vers une détection automatique du commerce d’espèces sauvages à l’aide de modèles de vision artificielle, Conservation biologique (2023). DOI : 10.1016/j.biocon.2023.109924