Heb er nog eens over nagedacht. Het is technisch wel mogelijk om de beeldherkenning 'taxonomie te laten kennen' (als het budget, de tijd, en de capaciteit oneindig zijn). Dan wordt een model gemaakt voor ieder taxonomisch niveau, en laat men iedere afbeelding stapsgewijs door deze verschillende modellen lopen, van soortgroep helemaal naar beneden tot ondersoort.
Dus bijvoorbeeld voor een madeliefje: eerst een model om te bepalen welke soortgroep het is -> 'Planten'. Dan een model om te bepalen welke familie het is binnen deze soortgroep-> 'Asteraceae'. Dan een model om te bepalen welk geslacht het is binnen deze familie -> 'Bellis'. En dan een model om te bepalen welke soort het is binnen dit geslacht -> 'Bellis perennis'.
Dan maakt men dus een model voor iedere taxonomische eenheid waar meerdere taxonomische eenheden onder vallen. Alle families met meerdere geslachten, alle soorten met meerdere ondersoorten/varianten etc. etc. Het aantal (beeldherkennings-)modellen loopt dan in de (tien?)duizenden. De modelinfrastructuur en parameters van al deze modellen moeten dan geautomatiseerd worden (wellicht ook met AI), want op die schaal kan dat niet meer handmatig.
De suggestie/'voorspelling' die dan gegeven wordt, is bij voorkeur het laatste niveau waarop dit systeem 'zeker was van zichzelf'. Dat kan op het niveau van 'soort' zijn, maar ook van familie of soortgroep.
Maar nogmaals, dit is niet te verwachten van waarneming.nl (op dit moment dan toch tenminste, wie weet over tientallen jaren...). Er is een reden waarom ik nog geen systeem tegen ben gekomen/ heb gemaakt met dergelijke structuurherkenning: het kost ongelofelijk veel tijd en werk. Bovendien: wanneer zoiets nog niet of nauwelijks bestaat kun je ook niet meeliften op beschikbare kennis, en moet alles van de grond op beredeneerd en gecodeerd worden (met alle valkuilen die dit soort nieuwe ontwikkeling met zich mee brengt).
Daarnaast betwijfel ik ook nog eens of je werkelijk betere resultaten haalt t.o.v. de huidige werkwijze. De foutmarge van de (kleinere, meer toegespitste, specifiekere) modellen op zich zal lager zijn. Doordat echter meerdere modellen doorlopen worden per 'determinatie', stapelt deze foutmarge zich wel op. De totale foutmarge wordt dan hoger dan bij één groot model verwacht ik.
Beste mensen,
Wordt dit niet veel te moeilijk gemaakt? Ik denk even hardop:
In de database van Waarneming.nl zitten een hele boel foto's. Daar is bij elke foto opgeslagen welke taxa het betreft, en dus ook welke taxonomische hogere groepen. Ook is opgeslagen welke goedgekeurd is of niet.
ObsIdentify maakt nu gebruik van (denk ik, hoop ik) alleen díe foto's van goedgekeurde waarnemingen. Dat betekent dus dat in de database (plastisch gesproken) het vinkje 'goedgekeurd' is aangezet.
Dan lijkt het me ook mogelijk dat je een vinkje kan aanzetten bij b.v. soortgroep 'Planten', zodat alleen de foto's van deze soortgroep gebruikt gaan worden bij de herkennings-software.
Dan zou je toch denken (met enige kennis van databases) dat dit niet zo heel veel programmeerwerk in de Obsidentify-app betekent.
"Natuurlijk zou het handig zijn als er per soortgroep een apart herkenningsmodel was, en dat dus al op voorhand een keuze zou kunnen worden gemaakt voor een soortgroep. Je draait echter niet zomaar 'even een nieuw herkenningsmodelletje' in elkaar. Het is niet voor niets dat er behoorlijke tijd tussen huidige nieuwe herkenningsmodellen zit. Een nieuw model of een nieuwe versie van een model maken kost (veel) tijd."
Je hebt toch niet een apart herkenningsmodel nodig? Je beperkt alleen de keuze van foto's die voor het bestaande herkenningsmodel gebruikt gaan worden.
Ik vraag ook niet dat je als gebruiker steeds verder kan filteren op steeds lager taxonomisch niveau (want dat gaat inderdaad steeds meer werk kosten), maar alleen de hoofdgroepen zou al een hele verbetering zijn.
"Ik mag toch aannemen dat de waarnemer zelf ook nog na kan zoeken welke van de ca. vijf voorspellingen een vlieg zijn en welke een plant. De voorgestelde functie zou tenslotte toch alleen voor ervaren waarnemers bedoeld zijn."
Punt is alleen dat de voorgestelde voorspellingen van foute soortgroepen ten koste gaat van andere voorspellingen. Stel je laat een foto van een vlieg herkennen en er komen 2 kikkers, 2 planten, een lieveheersbeestje, 2 vliegen en 3 wantsen uit rollen. Dan ga je voor een van de 2 vliegen, waar heus nog niet de goede tussen hoeft te zitten. Als je kon opgeven dat alleen de foto's van de soortgroep Vliegen en muggen gebruikt mogen worden, heb je 10 suggesties uit de juiste soortgroep over, waardoor de kans dat de goede er tussen zit veel hoger is geworden.
Overigens vind ik het een enorm goede ontwikkeling, deze ObsIdentify, en ik gebruik hem dus vaak en graag. Dus hulde daarvoor!
Met vriendelijke groeten, Jan-Jaap