Et dybt neuralt netværk, der kan maksimere eller minimere farvning for at blande sig ind i eller skille sig ud mod en baggrund

Et team af forskere ved University of Bristol har udviklet et deep learning neuralt netværk, der kan identificere den bedste måde at minimere eller maksimere farvning for at tillade at blande sig ind i en baggrund eller skille sig ud. I deres papir udgivet i Journal of the Royal Society Interface , teamet beskriver deres netværk og mulige anvendelser for det.

I naturen, farvelægning er meget vigtig. I nogle tilfælde, det kan spille en rolle i at tiltrække en ægtefælle – hos andre, den kan bruges til at gemme sig for rovdyr. Og i nogle andre tilfælde, det kan også hjælpe rovdyr med at skjule sig, mens de jager – tigre er et sådant eksempel. Tigeren er interessant, fordi dens lyse orange og sorte farve ser ud til at gøre det let for byttet at få øje på blandt det grønne i junglens baggrund. Men dens bytte, forskellige typer hjorte, er alle farveblinde - for dem, tigre ser grønne og sorte ud.

I denne nye indsats, forskerne søgte at bygge et system, der kunne afsløre, hvilke farver bedst passer ind i hvilke baggrunde, eller omvendt, som skiller sig mest ud. For at nå dette mål, forskerne henvendte sig til et neuralt netværk med dyb læring. Ved at programmere det til at forstå, hvad der var ønsket og derefter til at analysere fotografier af mange baggrundsscener og dyr, systemet bestemte de bedste farver for en organisme for at undgå at blive set af visse andre skabninger afhængigt af deres visuelle evner - eller for bedst at skille sig ud.

Netværket valgte korrekt orange som den rigtige farve til tigre. De bemærker, at pattedyr ikke er i stand til at dyrke grøn pels; dermed, tigre er orange, fordi det fungerer lige så godt. De har ingen forklaring på, hvorfor hjorte ikke har udviklet evnen til at se orange. Også, under forsøg med mennesker, de fandt ud af, at observatører med dikromatisk syn (farveblindhed) tog længere tid om at få øje på stærkt farvede dyr. Dem med trikromatisk (normalt) syn, på den anden side, var meget gode til at bryde camouflage. De foreslår, at deres netværk kan være et nyttigt værktøj til bedre at forstå den rolle, farver spiller med dyr, der lever i den naturlige verden.

© 2019 Science X Network