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(gòu)成風(fēng)險(xiǎn)。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(hù)動物基?會（IFAW）長期致?于保護(hù)瀕危物種，努?遏制?法貿(mào)易。?2004年起，IFAW就開始關(guān)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(luò)野?動物犯罪相關(guān)研究，提供有關(guān)打擊?絡(luò)?法貿(mào)易的能?培訓(xùn)，建??法野?動物貿(mào)易關(guān)鍵詞庫，舉辦野?動物保護(hù)主題公眾及?戶教育活動，團(tuán)結(jié)各??量共同打擊?絡(luò)野?動物貿(mào)易。隨著互聯(lián)?監(jiān)管?度的加強(qiáng)，?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(guān)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(guān)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(luò)?告中鑒別野?動物制品，不僅準(zhǔn)確率不?，?且需要耗費(fèi)?量時間。

?法貿(mào)易者采用隱蔽?段進(jìn)行廣告宣傳

為了應(yīng)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(shù)打擊非法野生動物制品貿(mào)易的“瀕危物種AI守護(hù)官”1.0版。瀕危物種AI守護(hù)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(jìn)?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?yàn)橹破返挠?xùn)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(shí)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(qiáng)大技術(shù)支持下，成功完成了“瀕危物種AI守護(hù)官”2.0版本的開發(fā)。2.0版本的守護(hù)官識別范圍擴(kuò)大為9類野生動物制品和20種活體陸龜，識別準(zhǔn)確度和速度也大大提升。

場景難點(diǎn)

在開發(fā)利???智能技術(shù)打擊?法野?動物制品貿(mào)易的“瀕危物種AI守護(hù)官”項(xiàng)?中，需要攻克的關(guān)鍵難點(diǎn)包括：

• 數(shù)據(jù)收集與標(biāo)注難點(diǎn)：

• • 非法野生動物制品的分類多，可供訓(xùn)練的圖片量較少。

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

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

• 圖像識別技術(shù)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(dǎo)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(kuò)散。

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

1. 使?較少的數(shù)據(jù)訓(xùn)練出準(zhǔn)確且泛化能?強(qiáng)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(zhǔn)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(shè)計(jì)

該任務(wù)?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(guān)注的類別，因?yàn)轫?xiàng)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(xiàng)目組將野?動物制品的仿制品和?關(guān)注的圖像融合為了第30類，所以這個任務(wù)被抽象為了?個30類的圖像分類任務(wù)。下圖中左圖為傳統(tǒng)上的兩階段解決思路，右圖為項(xiàng)目組的?案。

選擇好?案后，項(xiàng)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(jìn)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(xué)習(xí)-圖像分類。鑒于野?動物制品的數(shù)據(jù)量較少、標(biāo)注成本?和識別難度?，?模型半監(jiān)督學(xué)習(xí)圖像分類產(chǎn)線可以進(jìn)?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(xiàng)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(xiàng)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(xiàng)目組將其作為了base迭代模型。

零代碼開發(fā)

數(shù)據(jù)校驗(yàn)

在零代碼產(chǎn)線中?持?jǐn)?shù)據(jù)劃分及數(shù)據(jù)校驗(yàn)。經(jīng)過數(shù)據(jù)校驗(yàn)項(xiàng)目組可以得到如下結(jié)果，包含了數(shù)據(jù)集在訓(xùn)練集、驗(yàn)證集抽樣的樣本帶標(biāo)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(xùn)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(xùn)練。

在這個過程中，項(xiàng)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(jìn)?步提升模型的精度，項(xiàng)目組在此基礎(chǔ)上使?了星河零代碼產(chǎn)線的?模型半監(jiān)督學(xué)習(xí)-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(diǎn)，達(dá)到了上線效果。該任務(wù)的?模型半監(jiān)督學(xué)習(xí)-圖像分類流程整體如下圖：

整個過程中的精度優(yōu)化結(jié)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(biāo)記過的模型權(quán)重，?鍵部署為在線服務(wù) API，不僅可以在其他聯(lián)?設(shè)備中調(diào)? API，也?持通過在線體驗(yàn)應(yīng)?單圖測試模型效果。

如需將模型部署到離線設(shè)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(shè)備上實(shí)現(xiàn)快速部署。

用戶聲音

2020年，“瀕危物種AI守護(hù)官”1.0版正式上線以來，已累計(jì)協(xié)助篩查近36萬圖片信息，準(zhǔn)確識別出21271幅目標(biāo)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(xiàng)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(zhǔn)確性，更好的支持執(zhí)法和互聯(lián)網(wǎng)平臺監(jiān)管等相關(guān)工作。2024年“瀕危物種AI守護(hù)官”2.0版部署成功。希望升級后的守護(hù)官能幫助項(xiàng)目組識別更多非法野生動物貿(mào)易，在保護(hù)瀕危物種中發(fā)揮更重要的作用。

精彩課程預(yù)告

為了讓?伙伴們更快速地了解應(yīng)?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(zhǔn)備、數(shù)據(jù)校驗(yàn)、模型訓(xùn)練、性能調(diào)優(yōu)到模型部署的開發(fā)全流程開發(fā)難點(diǎn)，從場景、產(chǎn)線、?具完成產(chǎn)業(yè)實(shí)操體驗(yàn)。趕快掃描下?海報(bào)?維碼預(yù)約報(bào)名！

• 通?圖像分類產(chǎn)線在線體驗(yàn)地址：

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

• 模型開發(fā)云端體驗(yàn)地址：

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

• PaddleX開源本地版體驗(yàn)地址：

https://github.com/PaddlePaddle/PaddleX

獲取更多技術(shù)內(nèi)容~