Dies war früher ein eigenständiges Projekt, ist jetzt aber Teil von Citizen Science Grid.
W@H ist ein Gemeinschaftprojekt Institute für Biologie und Informatik der Universität von Nord Dakota, mit dem Ziel Videos von verschiedenen Wildbeobachtungskameras auszuwerten. Dies wird hauptsächlich durch euch als Freiwillige geschehen. Anhand eurer Beobachtungen und der Einteilung der Videos in "Events" können außerdem Algorithmen entwickelt werden, um Videos auch durch "Visuelle Detektion" zu filtern. Dies wird bei der enormen Menge an Videodaten nützlich sein.
Die Kameras sind sowohl in Schutzgebieten als auch nahe bei Ölfeldern aufgebaut. Wir hoffen, dass Eure Teilnahme hilft, den Einfluss der Ölförderung auf die Entwicklung verschiedener Vogelarten festzustellen, um so den Schutz zu fördern.
Aktuell werden folgende (bedrohte) Vogelarten beobachtet: Schweifhuhn, Zwergseeschwalbe, Gelbfuß-Regenpfeifer und Blauflügelente.
Badges sind hier einsehbar.
|
|
Wildlife@Home
|
Beginn |
2012
|
Ende |
|
Status |
|
Admin |
Travis Desell
|
Institut |
Universität Nord Dakota
|
Land |
USA
|
Bereich |
Biologie
|
Anwendungen
|
Win |
Wildlife@Home Descriptor Collection (SURF) 0.03 Wildlife@Home Video Background Subtractor 0.02 EXACT Convolutional Neural Network Trainer 0.09
|
Linux |
Wildlife@Home Descriptor Collection (SURF) 0.18 Wildlife@Home Video Background Subtractor 0.02
|
Mac |
Wildlife@Home Video Background Subtractor 0.02
|
64bit |
Wildlife@Home Motion Detection 0.11/0.10 [linux/mac] Wildlife@Home Feature Detection (SURF) 0.03/0.01 [linux/mac] Wildlife@Home Video Background Subtractor 0.02/0.07 [win/linux/mac] EXACT Convolutional Neural Network Trainer 0.09 [win/linux/mac]
|
PS3 |
|
ATI |
|
CUDA |
|
Intel |
|
Android |
|
RPi |
|
NCI |
|
Systemspezifikationen
|
VRAM |
|
SP |
 |
DP |
|
RAM |
60MB
|
Laufzeit |
11,5h
|
HDD |
770MB
|
Traffic dl/ul |
770MB / kb
|
Deadline |
4 Tage
|
Checkpoints |
|
|