Birding with AI Concepts and Projects for Ornithology ByRonald T. Kneusel, 2025

Birding with AI johdattaa lukijan tekoälyn yhä laajenevaan maailmaan ja sen sovelluksiin ornitologiassa ja luonnonvaraisen eläimistön tutkimuksessa. Kirja ei ainoastaan esittele syväoppimisen mahdollisuuksia lintututkimuksessa, vaan opastaa ymmärtämään, suunnittelemaan, toteuttamaan ja arvioimaan tekoälymalleja ornitologian ja siihen liittyvien alojen tarpeisiin. Lukija oppii muun muassa: Tekoälyn ja erityisesti syväoppimisen taustan sekä sen soveltamisen kuvantulkintaan. Kuinka rakentaa syväoppivia konenäkömalleja ja koostaa lintukuvia sisältäviä aineistoja. Miten hyödyntää valmiiksi koulutettuja malleja, erityisesti CLIP:iä, joka yksinään kykenee erittäin tarkkaan lintujen tunnistukseen ilman lisäkoulutusta. Kuinka hienosäätää CLIP-embedding -malleja pienillä aineistoilla tiettyjä luokittelutehtäviä varten. Miten luoda malleja, jotka eivät ainoastaan luokittele, vaan myös paikantavat kohteet kuvassa. Kuinka luokitella lintujen äänitteitä. Miten käyttää avoimen lähdekoodin työkaluja, kuten Merlin ja BirdNet, tutkimuskysymyskohtaisen mallinnuksen tukena. Tämä uraauurtava teos lähestyy aihetta tutkimalla olemassa olevia lintuharrastuksen tekoälytyökaluja, mikä tarjoaa intuitiivisen kokonaiskuvan tekoälyn toiminnasta. Tämä luo vahvan perustan kirjan esimerkkiprojekteille ja lisää lukijan varmuutta osallistua tekoälyä hyödyntävään tutkimukseen. Projektit ohjaavat lukijaa mallinrakennuksen koko prosessin läpi — aineiston luomisesta koulutukseen, testaukseen ja käyttöönottoon — olipa kyse kuvantunnistuksesta, ääniluokittelusta tai lintuharrastuksen uusista sovelluksista. Sisällysluettelo: Introduction 1. AI in a Nutshell 1.1 Defining AI 1.2 A Brief History of AI 1.3 Neural Networks 1.4 Datasets, Training and Testing 2. The Process 2.1 Data Collection 2.2 Data Preprocessing 2.3 Data Splitting and Augmentation 2.4 Architecture Selection and Training 2.5 Using the Validation Set 2.6 Final Testing and Deployment 3. Configuring the Desktop Environment 3.1 Introducing the Toolkits 3.2 Configuring Linux 3.3 Configuring macOS 3.4 Configuring Windows 4. Building a Bird Dataset 4.1 Planning, Acquiring and Preprocessing 4.2 Building Train and Test Sets 4.3 Initial Testing 4.4 Reviewing the Code 4.5 Discussion 5. Exploring the Bird6 Dataset 5.1 Exploring Hyperparameters 5.2 Data Augmentation 5.3 Decision Thresholds 5.4 Ensembling 5.5 Discussion 6. Using Pretrained Models 6.1 Understanding Transfer Learning and Fine Tuning 6.2 Using Birds 25 6.3 Using ResNet-50 and MobileNet 6.4 Using CLIP 6.5 Discussion 7. Generic Bird Classifiers 7.1 North American Bird Features 7.2 Using NA Bird Features 7.3 Understanding the Models 7.4 Generic Images and Text 7.5 Discussion 8. Detection 8.1 The Detection Hierarchy 8.2 Experiment: CLIP Embeddings 8.3 Experiment: Fully Convolutional Networks 8.4 Discussion 9. Classifying Audio 9.1 Sonograms 9.2 A CLIP-tastrophe 9.3 A Transfer Learning Exercise 9.4 Preparing the BirdCLEF Dataset 9.5 Training BirdCLEF from Scratch 9.6 BirdCLEF Transfer Learning 9.7 BirdCLEF Fine-Tuning 9.8 Discussion 10. Open Source Birding with AI 10.1 Merlin 10.2 eBird 10.3 BirdNET 11. Going Further 11.1 Topics for Further Study 11.2 Recommended Books 11.3 Online Resources and Communities 11.4 The Future of Birding with AI Glossary Index sivuja: 212 piirroskuvia 41 paino 385 g ISBN 9781784276027