Панды фотографии: 94 фото неверотяно милого китайского бамбукового медведя

{{=it.highlight(param.top.name, it.query)}}

сеть отелей

{{=it.highlight(param.top.name, it.query)}} {{? param.top.geo_type == 20}} (город){{?}}

{{=param.top.name}} {{=param.top.country_name}}

{{=it.highlight(param.top.name, it.query)}} (регион)

{{=param.top.name}} {{=param.top.country_name}}

{{=it.highlight(param.top.name, it.query)}} (страна)

{{=param.top.name}} {{=param.top.name}}

{{=param.top.country_name}}

Московские панды • Юлия Михневич • Научная картинка дня на «Элементах» • Зоология

На фото — самец большой панды (Ailuropoda melanoleuca) по имени Жуи ест бамбук в Московском зоопарке. Вместе с самкой Диндин он прибыл из Китая в Москву 29 апреля и после месяца карантина и торжественной церемонии открытия новой экспозиции «Фауна Китая» 7 июня предстал взору посетителей.

Обе панды еще совсем юные. Они родились в провинции Сычуань, Жуи — 31 июля 2016 года в питомнике Бифэнся, Диндин — 30 июля 2017 года в центре разведения панд заповедника Волонг (Wolong national nature reserve). В Москве живут они в разных вольерах (Диндин — в левом, ближнем ко входу в зоопарк), у каждой панды в распоряжении один уличный вольер и один внутренний, в павильоне.

Панды переданы Московскому зоопарку на 15 лет, затем будут возвращены на родину. В неволе большие панды живают до 38 лет, в природе — до 26 лет. Будем надеяться, «наши» панды (юридически все панды мира принадлежат Китаю) проживут долго и счастливо. И принесут потомство: разведение панд в зоопарках и питомниках — важная часть программы по сохранению вида. Половой зрелости панды достигают в 4–8 лет, причем самцы позже самок. Так что придется подождать.

Каждый день малыши взвешиваются, заходя на весы во внутреннем вольере по просьбе смотрителей зоопарка (или, как теперь говорят, киперов — от англ. Zookeeper): малышка Диндин весит 58 кг, Жуи — 96 кг. Для сравнения, взрослые самки панд весят до 100 кг, самцы — до 160. Кормят панд несколькими видами бамбука, который доставляют из Китая и хранят в специальном холодильнике, а в качестве лакомства животные полюбили яблоки и морковь: в жару из них пандам даже делают фруктовый лед. Также Жуи и Диндин замечены за поеданием листьев американского клена, который посадили в вольеры для украшения.

Когда-то панды обитали на значительной территории от Южного Китая до севера Мьянмы, Вьетнама, Лаоса и Таиланда. Сейчас ареал ограничен шестью горными хребтами на краю Тибетского нагорья. Основная причина снижения численности — потеря и фрагментация среды обитания. До принятия в 1988 году в Китае закона об охране дикой природы еще одной причиной снижения численности панд было браконьерство. Сейчас панды сохраняются в 67 заповедниках и имеют статус уязвимого вида (Vulnerable, VU).

Панды периодически содержались в неволе еще со времен династии Хань (206 год до н. э. — 226 год н. э.). С 1931 года стали содержаться в зоопарках Китая. Сейчас панды живут в зоопарках 20 стран: здесь все эти зоопарки нанесены на карту мира. На ноябрь 2018 года в неволе (в зоопарках и питомниках) обитало 548 панд, в природе — 1864 (что на 16,8% больше, чем в 2003 году).

Первый детеныш панды в неволе родился в 1963 году в зоопарке Пекина, звали его Мин-Мин (Ming Ming). Он прожил 26 лет, но потомства не оставил. Сейчас панд вполне успешно разводят в питомниках и зоопарках благодаря комбинации естественного размножения и искусственного осеменения (используя генетический материал самцов, которые не желают размножаться естественным путем). О проблемах с естественным размножением у панд уже, мне кажется, ходят легенды. Для стимуляции к спариванию им показывают видео процесса (этакое панда-порно) и проводят специальные тренировки, заставляя самцов вставать на задние лапы, чтобы укрепить мышцы: при спаривании самцу приходится стоять именно в таком положении.

Жуи и Диндин — не первые панды, содержавшиеся в Московском зоопарке. В 1957 году двухлетний самец по имени Пинь-Пинь был подарен Советскому Союзу китайским правительством к 40-летию Октябрьской революции. Он прожил в зоопарке четыре года. В 1959 году в зоопарк переехал еще один самец — Ань-Ань. В 1966 году для создания семьи к нему привезли самку Чи-Чи из Лондонского зоопарка, но попытка не удалась, и через полгода самка вернулась в Лондон. Но ученые не теряли надежды, и в 1968 году отправили Ань-Аня в Лондон, но снова ничего не вышло; Ань-Ань возвратился домой и прожил в Московском зоопарке до 1972 года. Сейчас чучела этих двух панд выставлены в Зоологическом музее МГУ. В 2001 году в рамках проведения Дней культуры Пекина в Москве в зоопарк на два месяца привезли самца Бэнь-Бэнь и самку Вэнь-Вэнь, после чег они снова вернулись в Пекинский зоопарк.

Навестить Жуи и Диндин можно по специальному графику, установленному для снижения стресса панд и их адаптации к новому образу жизни. Всё лето их можно свободно увидеть с 8 до 10 утра: в это время медведи активны, у них завтрак и игры. С 10:00 до 21:00 будут организованы 30-минутные сеансы и такой же продолжительности перерывы между ними, чтобы панды могли отдохнуть от посетителей. На сеансы нужно регистрироваться на сайте зоопарка. А с 1 июля планируется запустить прямую трансляцию из вольеров, наблюдать за жизнью панд можно будет на сайте зоопарка.

Фото © Юлия Михневич, Московский зоопарк, 8 июня 2019 года.

Юлия Михневич

Большая панда (Бамбуковый медведь) | Описания и фото животных

Большая панда (Бамбуковый медведь) видео

Большая панда (Ailuropoda melanoleuca) занесена в Красную книгу МСОП в статусе «уязвимый вид»

Происхождение и внешний вид

Большая панда, или знаменитый бамбуковый медведь (Ailuropoda melanoleuca) — один из самых «раскрученных» зверей в мире. Удивительная черно-белая окраска и сходство с огромной плюшевой игрушкой делает его легко узнаваемым и очень популярным. О систематическом положении панды ученые спорят очень давно: ее относили то к енотам, то к медведям, то выделяли в отдельное семейство. У панды массивная голова с короткой и широкой мордой, коренастое тело и — в отличие от других медведей — довольно длинный, до 12 см, хвост. Это довольно крупное животное: его вес может достигать 130 кг, а длина тела — почти 2 метров. Широкие, волосатые, закругленные в нижней части ступни панды с сильными когтями при ходьбе не полностью опираются на землю. На подошвах и в основании каждого пальца хорошо развиты голые подушечки, облегчающие удерживание гладких стеблей бамбука. Удивительной особенностью этих животных является дополнительный, противопоставленный «палец» на руке известный как большой или «предбольшой» палец панды (на самом деле он является видоизменённой костью запястья), позволяющий им управляться даже с самыми тонкими побегами бамбука.

Питание

Плоские и широкие коренные зубы панды прекрасно приспособлены для пережевывания жесткого бамбука, а ее пищевод и желудок выстлан слоями упругой слизистой ткани для защиты от бамбуковых щепок. Это не удивительно, ведь питается большая панда почти исключительно бамбуком, только временами включая в свой рацион некоторые другие растения, например ирисы и шафран, грибы, а также яйца, мелких птиц, грызунов, насекомых и падаль. Обычно зверь кормится в сидячем (реже в лежачем) положении, придерживая побеги бамбука «предбольшим» и первыми двумя пальцами передних лап, обдирая с растений зубами жесткий наружный слой, а затем медленно пережевывая очищенный стебель. Панда использует и сочные молодые побеги, и старые стебли до 13 мм в диаметре, и даже корни. Чтобы насытиться такой низкокалорийной пищей, ей приходится поедать до 18 кг бамбука в день. По этой же причине эти звери очень медлительны и стараются передвигаться только по мере необходимости.

Особенности

Бамбуковый медведь прекрасно лазает по деревьям, демонстрируя чудеса акробатики: он может взбираться на верхушки высоких деревьев и удерживаться каким-то чудом даже на самых тонких ветвях. Кроме того, панды владеют замечательной и очень забавной способностью кубарем скатываться с крутых горных склонов, спасаясь от преследования. При этом они прижимают передние лапы к глазам, защищая их, а задние лапы — к животу.

Размножение

Темп размножения у панд очень низкий. Половой зрелости эти животные достигают поздно, только в возрасте 6–7 лет. У них рождается 1-2 (очень редко 3) детеныша, но обычно вскоре после родов мать выбирает одного, более крепкого малыша и кормит только его, остальные же погибают. В зоопарках часто удается обмануть самку и выходить обоих медвежат, подсаживая их к ней по очереди каждые несколько дней. Все медведи рожают недоразвитых детенышей, но у панды эта особенность доведена до крайности. Новорожденные медвежата весят не более 150 г, что в тысячу раз меньше массы тела взрослого животного. Глаза у них открываются в возрасте 3 недель, а молочное кормление продолжается около 46 недель. Большие панды – необыкновенно заботливые матери, они почти никогда не оставляют детенышей одних и часто играют с ними.

Природоохранный статус

Большая панда внесена в Красную книгу МСОП и принадлежит к числу самых редких животных. В Китае большая панда объявлена национальным сокровищем, и за ее убийство предусмотрена смертная казнь.

Подвиды

• Ailuropoda melanoleuca melanoleuca
• Ailuropoda melanoleuca qinlingensis

Читайте также:

Panda Photographs Wall на продажу

Детеныш панды отдыхает на дереве

Фотография Фэн Вэй

Счастливая красная панда

Фотография Aaronchengtp

Молодая панда на дереве

Bwbimages

Panda Rojo Comiendo Bambú

Возвращает Botijero

Панда

Пэнпэн

Панда

Пэнпэн

Панда держит бамбук

Hugociss

Панда отдыхает на дереве

Изображение Джея Шиппера

Панда

Фотография Jayoung Kim

Панда

Shuttertwinz Photography Llc

панды в Bifengxia

Www.flickr.com/photos/gadgetdan

Красная панда

Ярослав Коциан

Маленькая панда отдыхает на дереве

Медиапродукция

Giant Panda, Чэнду, Провинция Сычуань

Пол Содерс

Гигантская панда

Фотография Фриды Риккарт

Гигантская панда и бамбук

Лингбек

Гигантские панды Син-син и Линь-лин

Беттманн

Гигантская панда

Манодж Шах

Две большие панды — Чэнду, Сычуань

Фототрав

Гигантская панда и бамбук

Лингбек

Гигантская панда

Путешественник1116

Большая панда, Ailuropoda Melanoleuca

Майк Паулз

Портрет панды крупным планом

Вонг Фок Лой / Айем

Giant Panda, Чэнду, Китай

Пол Содерс

Гигантская панда

Франкванденберг

Животные панда лакомятся бамбуком

Mchen007

Мать панда и ее детеныш

Фотография Фэн Вэй

Кляйнер Панда

Авторские права принадлежат Hellboy2503 / jörg David

Крупный план панды Alluropoda

Glowimages

Игривая панда

Берт Харди

Счастливая панда, лазящая по дереву

Jpecha

Айлурус Фулгенс

Елисейский Шен

Единство

Джордж Кениг

Чинг Чинг

Ян Тяс

Поймай меня, если сможешь

Фотография Фэн Вэй

Два черных глаза

Вечерний стандарт

Кока-кола

Пост с картинками

Пейзажи с тропическими коралловыми рифами

Жоржетта Дувма

Панда-бабочка

Жоржетта Дувма

Панда-бабочка

Жоржетта Дувма

Большая панда показывает язык —

Фототрав

Большая панда ест банан — Чэнду

Фототрав

Большая панда в природе

Фототрав

Красная панда на стволе дерева

Манодж Шах

Гигантская панда ест листья бамбука, Китай

Гироскопическая фотография / amanaimagesrf

Гигантская панда

Мелиндачан

Милая панда

Tianyuanonly

Красная панда Ailurus Fulgens

Адам Джонс

Гигантская панда, кормящаяся бамбуком

Джеймс Уорвик

Пара рыб-бабочек панда

Джефф Хантер

Гигантская панда залезает на дерево рядом с деревней

Майк Хилл

Красная панда Ailurus Fulgens In Tree, Китай

Арт Вулф

Пейзажи коралловых рифов

Жоржетта Дувма

Тропические рыбы над коралловым рифом

Жоржетта Дувма

Пейзажи коралловых рифов

Жоржетта Дувма

Панда Фото

Берт Харди

Panda Lake, Национальный парк Цзючжайгоу

Фотография Фэн Вэй

Панда Йен Йен празднует свое 25-летие

Ксавье Росси

фото маленьких панд: увидеть, как растет детеныш

Добро пожаловать домой

Этот снимок первого осмотра детеныша был сделан в конце августа 2012 года. Трехминутный осмотр закончился тем, что детеныш получил справку о состоянии здоровья от ветеринаров зоопарка Сан-Диего.

[Полная история: Детеныш панды в зоопарке Сан-Диего получил первый экзамен]

Это мальчик!

6 сентября 2012 года было установлено, что 5-недельный детеныш здоровый мальчик. С увеличением веса, ростом волос и открытием слуховых проходов, комок чувствовал себя хорошо.

[Полный рассказ: это мальчик! Новейший детеныш панды в зоопарке Сан-Диего — самец]

Взяв вершину

В 45 дней очаровательный детеныш начал открывать глаза. Этот снимок был сделан 12 сентября 2012 года во время другого исследования.

[Полная история: панда играет в пик во время осмотра]

Мех, живот и глаза, о боже!

Детеныш гигантской панды хорошо прошел экзамен 20 сентября 2012 года. С хорошо открывающимися глазами и растущим животом он набирает все необходимые отметки.

[Полная история: детеныш панды начинает видеть в зоопарке Сан-Диего]

Привет, мир

Глаза растущего детеныша были полностью открыты во время его 9-недельного осмотра 4 октября 2012 года.

[Полный текст: О, Хай: Детеныш панды полностью открывает глаза]

Их жемчужно-белые

В 10 недель гигантская панда уже прорезала зубы. По словам ветеринаров из Сан-Диего, этот пирог идет полным ходом.

[Полная история: детеныш панды в Сан-Диего собирается прорастить детские зубы]

Изучение нового дикого места

Неуклюжий, но такой очаровательный, 11- недельный детеныш сделал свои первые шаги перед камерой.Экзамен 18 октября 2012 г. показал, что у детеныша образовалось небольшое пятно на хвосте и прорезались молочные зубы.

[Полная история: Детеныш панды вступает в «стадию неловкого малыша»]

Позирует для фото

На 11-м экзамене гигантской панды 1 ноября он смог очистить землю животом. И его ноги начали работать вместе, приближая его к ходьбе.

[Полная история: Полнобрюхий детеныш панды поднимается на четырех ногах]

Представляем Сяо Ливу!

Ноябрь.13 лет, когда ему было 100 дней, детеныш был назван в соответствии с китайской традицией именования панд. Имя очаровательного детеныша означает «Маленький подарок».

[Полный текст: Официально! Детеныш панды в Сан-Диего получает имя]

Маленький (растущий) подарок

Спустя всего несколько дней после того, как Сяо Ливу получил свое имя, он весил 10,3 фунта, то есть полный фунт. больше, чем на его последнем экзамене.

[Полная история: Новое изображение панды: «Маленький подарок» становится больше]

Живот, живот

Ноябрь.29-летний четырехмесячный милашка продемонстрировал миру свой полный живот: во время еженедельного осмотра сотрудники зоопарка обнаружили несколько новых зубов и одного извивающегося детеныша.

[Полная история: Непоседливый детеныш панды демонстрирует живот]

Исследование распознавания гигантских панд, основанное на изображениях значительной части содержащихся в неволе панд

Абстракция

1. Гигантская панда (панда) — вид, находящийся под угрозой исчезновения. привлекла к себе значительное внимание в последние десятилетия. Значительные усилия были приложены к сохранению и воспроизводству панд, что дает многообещающий результат сохранения численности панд.Для оценки эффективности стратегий сохранения и управления критически важно распознавание отдельных панд. Тем не менее, это остается сложной задачей, поскольку существующие методы, такие как традиционный метод отслеживания, метод дискриминации на основе идентификации следа и метод молекулярной биологии, являются инвазивными, неточными, дорогими или сложными в исполнении. Достижения технологий обработки изображений привели к широкому применению цифровых изображений и видео в сохранении и управлении панд, что делает возможным неинвазивное распознавание отдельных панд с помощью метода распознавания лиц панды на основе изображений.

2. В последние годы глубокое обучение добилось больших успехов в области компьютерного зрения и распознавания образов. Для распознавания лиц панды в этом исследовании разработан полностью автоматический алгоритм глубокого обучения, который состоит из последовательности глубоких нейронных сетей (DNN), используемых для обнаружения лиц панды, сегментации, выравнивания и предсказания личности. Чтобы разработать и оценить алгоритм, самый большой набор данных изображений панды, содержащий 6441 изображение из 218 различных панд, что составляет 39.Установлено 78% содержащихся в неволе панд в мире.

3. Алгоритм обеспечивает точность распознавания панд 96,27% и точность обнаружения 100%.

4. Это исследование показывает, что лица панды можно использовать для распознавания панд. Это позволяет использовать камеры, установленные в их среде обитания, для наблюдения за их популяцией и поведением. Этот неинвазивный подход намного более рентабелен, чем подходы, использованные в предыдущих исследованиях панд.

Ключевые слова: гигантская панда, индивидуальная идентификация, распознавание лиц панды, оценка популяции

Аннотация

Это исследование показывает, что лица панд могут использоваться для распознавания панд.Это позволяет использовать камеры, установленные в их среде обитания, для наблюдения за их популяцией и поведением. Этот неинвазивный подход, основанный на глубоком обучении, намного более рентабелен, чем подходы, использованные в предыдущих опросах панд.

1. ВВЕДЕНИЕ

Размер популяции является важным фактором, определяющим, могут ли виды сохраняться в природе, а также важным индикатором регионального биоразнообразия (McNeely, Miller, Reid, Mittermeier, & Werner, 1990). Точная оценка размеров их популяции имеет решающее значение для разработки эффективных схем сохранения и управления.(Миллер, Джойс и Уэйтс, 2005; Смоллвуд и Шоневальд, 1998; Сольберг, Беллемейн, Драгсет, Таберлет и Свенсон, 2006; Жан и др., 2006). Экологи пытались идентифицировать отдельных животных, включая гигантскую панду ( Ailuropoda melanoleuca ), чтобы точно оценить их популяцию и изучить их пространственное поведение. (Xiangjiang et al., 2009) Эта информация жизненно важна для разработки подходящих стратегий защиты животных (Pollard, Blumstein, & Griffin, 2010; Zheng et al., 2016). Популяция гигантской панды и ее динамика являются не только основой для разграничения природных заповедников, создания местных институтов управления сохранением и создания зон экологических коридоров, но также важными индикаторами для оценки эффективности схем управления сохранением. Также они отражают уязвимость экосистем в исследуемой области. На практике сложно точно оценить размер популяции гигантских панд из-за их небольшого размера и редкого распространения в больших средах обитания со сложными лесами и горами.Их следы найти сложно.

Для эффективной защиты гигантских панд с 1974 года Национальное управление лесного хозяйства и пастбищ Китая провело четыре исследования панд для оценки их численности и распределения, а также для сбора другой соответствующей информации. Согласно четвертому опросу населения, в провинции Сычуань с самой большой популяцией панд обитает 1387 диких панд с плотностью 0,0684 особей на квадратный километр. В четвертом опросе приняли участие около 700 полевых ученых из более чем 100 организаций.Использовались традиционные методы обследования, включая метод прямого подсчета, метод маршрутного обследования и метод распознавания укусов на расстоянии, а также молекулярно-биологические методы, основанные на фекалиях панд, такие как технология обнаружения отпечатков пальцев ДНК и микросателлитный анализ. (Гослесхоз, 2006, 2015а; Жан и др., 2006). Хотя молекулярно-биологические методы позволяют точно разделить разных панд, их эффективность строго ограничена свежестью образцов (Zhan et al., 2006). Как традиционные методы обследования, так и молекулярно-биологические методы трудно реализовать в больших масштабах за короткий период, поскольку они требуют огромных человеческих, материальных и финансовых ресурсов, а вероятность успешного сбора образцов невысока. Следовательно, все еще востребованы более экономичные и точные методы обследования популяции панд.

К счастью, достижения в области оборудования для обработки изображений, компьютерного зрения и технологий машинного обучения, включая глубокие нейронные сети ¹ (LeCun, Bengio, & Hinton, 2015) позволяют эффективно и действенно анализировать животных на основе изображений.Камеры были установлены в местах обитания гигантских панд (Kelly, 2008), поэтому технологии компьютерного зрения и машинного обучения могут применяться для анализа и мониторинга их поведения и популяции.

1.1. Распознавание животных на основе изображений

В недавних исследованиях были развернуты глубокие нейронные сети для анализа изображений животных с целью сохранения, биологии дикой природы и зоологии. Вилли и др. использовали сверточную нейронную сеть (CNN) для идентификации различных видов на изображениях, полученных с фотоловушек (Вилли и др., 2019). Авторы объединили CNN и подход гражданской науки, в котором зарегистрированные добровольцы вручную комментируют изображения в Интернете, чтобы сократить ручные усилия и время исследователей-экологов. Norouzzadeh et al. исследовали возможности CNN автоматически идентифицировать, подсчитывать и описывать животных на изображении с фотоловушки (Norouzzadeh et al., 2018). В отличие от работ, в которых изучается автоматическое различение разных видов (Norouzzadeh et al., 2018; Willi et al., 2019), в этой работе термины, распознавание и идентификация относятся к различению отдельных животных одного и того же вида. .

Связанные исследования показали, что методы, основанные на изображениях, имеют большой потенциал в распознавании диких животных. Недавний обзор различных методов распознавания животных можно найти в (Schneider, Taylor, Linquist, & Kremer, 2019). У некоторых животных, таких как зебра, тигр и жираф, есть очень уникальные узоры, состоящие из полос, пятен или пятен на их шерсти, что способствует распознаванию животных на основе изображений (Burghardt & Campbell, 2007; Cheema & Anand, 2017; Kumar & Singh, 2016). Однако панды имеют очень похожий внешний вид с точки зрения рисунка шерсти, что затрудняет их различение по изображениям.Чтобы решить эту проблему, исследователи предложили использовать лица панд для распознавания (Matkowski et al., 2019).

Распознавание животных на основе биометрических данных лица было изучено для удовлетворения различных требований различных приложений. Признание домашнего скота, такого как свиньи и коровы, является важной частью точного земледелия. Hansen et al. применил три метода распознавания лиц к набору данных о свиньях и сообщил о многообещающих результатах (Hansen et al., 2018). Распознавание лиц животных было также предложено для отслеживания диких животных.Freytag et al. предложил алгоритм распознавания лиц, построенный на CNN для распознавания диких шимпанзе (Freytag et al., 2016). Deb et al. (2018) предложили специально разработанный алгоритм идентификации на основе CNN для нескольких находящихся под угрозой исчезновения приматов, включая золотых обезьян, лемуров и шимпанзе. Schofield et al. изучал обнаружение, отслеживание и распознавание лиц шимпанзе по видео, снятым на открытом участке поля шимпанзе (Schofield et al., 2019).

На пандах были проведены некоторые исследования на основе изображений.Zhang, Sun и Tang (2010) предложили метод обнаружения головы, использующий градиентно-ориентированные особенности для нескольких животных, включая кошку, тигра и панду. Chen et al. предложили основанный на примерах подход и метод на основе моделирования топологии для обнаружения области лица панды (Chen, Wen, Qu, & Mete, 2012; Chen, Wen, Zhuo, & Mete, 2012a). Chen et al. разработал метод, основанный на градиентных формах, для оценки позы панд на изображениях (Chen, Wen, Zhuo, & Mete, 2012b). Наша предварительная работа — это первая попытка использовать биометрию лица для автоматического распознавания панд (Matkowski et al., 2019), но имеет ряд ограничений. В базе данных, использованной в исследовании, было всего 28 панд и 163 изображения. Это значительно меньше, чем база данных, созданная для этого исследования. Кроме того, у него есть строгие требования к входному изображению. Изображения должны содержать только лицо панды.

1.2. Объем этого исследования

Объем исследования — идентификация панд на гораздо большем наборе данных и более автоматическая и реалистичная настройка. Создан новый набор данных, состоящий из 6441 шрифтового изображения лиц панды из 218 различных панд.Набор данных включает 39,78% содержащихся в неволе панд в мире. Хорошо известно, что количество панд во всем мире очень ограничено. Согласно четвертому (последнему) отчету об исследовании панд, опубликованному Государственным управлением лесного хозяйства Пекина, Китай, в 2015 году (Государственное управление лесного хозяйства, 2015b), всего в дикой природе обитало 1864 панды. Кроме того, практически не было никакого контроля над средами визуализации и пандами при сборе данных. Это фундаментальные проблемы при распознавании панд и отличия от распознавания лиц человека, где доступны чрезвычайно большие базы данных изображений лиц, и в некоторых приложениях можно ожидать контроля над сбором данных и взаимодействия с пользователем.

Вдохновленный успехом глубоких нейронных сетей в области компьютерного зрения, был разработан алгоритм распознавания лиц панды, основанный на глубоких нейронных сетях. Предлагаемый алгоритм выполняет последовательность операций, включая обнаружение лица панды, сегментацию, выравнивание и идентификацию. Другими словами, алгоритм полностью автоматический. Он оценивается в двух настройках: идентификация с закрытым набором, где все тестирующие панды имеют изображения в обучающем наборе, и идентификация с открытым набором, где некоторые тестирующие панды не имеют изображений в обучающем наборе.В параметрах идентификации с закрытым набором алгоритм возвращает только список идентификаторов панд и соответствующие вероятности, которые указывают, насколько вероятно, что панда на тестовом изображении является конкретной пандой в обучающем наборе. В настройке идентификации с открытым набором, помимо списка идентификаторов панд и соответствующих вероятностей, алгоритм также должен решить, является ли панда во входном изображении одной из панд в обучающем наборе или нет, потому что панда может быть невидимой пандой.

Усовершенствования предложенного алгоритма и данного исследования по сравнению с предварительной работой Matkowski et al. (2019) заключаются в следующем. (a) В этом исследовании входные изображения представляют собой необработанные изображения с пандами и разнообразным фоном, тогда как в предварительной работе входные изображения представляют собой только лица панд. (б) Предлагаемый алгоритм полностью автоматический; никакой ручной сегментации или обнаружения не требуется. (c) Предварительная работа основана на традиционных функциях, созданных вручную, в то время как предлагаемый алгоритм опирается на современные глубокие сети.(d) Предлагаемый алгоритм оценивается на самом большом наборе данных изображений лица панды, собранном в различных сценариях в установках идентификации с закрытым и открытым набором. Согласно лучшим сведениям авторов, это единственное исследование, посвященное идентификации лиц панды в этой шкале и в полностью автоматической настройке.

2. МАТЕРИАЛЫ И МЕТОДЫ

2.1. Набор данных

К ноябрю 2018 года количество гигантских панд в неволе во всем мире достигло 548 (People’s Daily Online).Их подробная индивидуальная информация, такая как генеалогия, пол и записи о размножении, находится в ведении Национального управления лесного хозяйства и пастбищ и Китайской ассоциации зоологических садов. Таким образом, можно получить точную идентификационную информацию для этого исследования.

По состоянию на 31 декабря 2018 года в Чэндуской исследовательской базе по разведению гигантских панд (CRBGPB) проживает самая большая (35,6%) популяция гигантских панд в неволе в мире. Для этого исследования из архивов изображений было извлечено 6441 изображение с фронтальными мордами панды у 218 панд, которые были собраны с помощью видеокамеры Panasonic dvx200 и трех камер — камеры Canon 1DXmarkII, камеры Canon 5DmarkIII и камеры Panasonic Lumix DMC-Gh5.Эти изображения были сделаны с самых разных точек обзора и с разных расстояний, и на них были показаны панды в их повседневной деятельности, например, поедании бамбука, ходьбе и лежании. На рисунке показаны образцы изображений панды, использованные в этом исследовании, и изображения в каждой строке были получены от одной и той же панды. В этом наборе данных разные панды имеют разное количество изображений, от 2 до 168 изображений. В среднем каждая панда содержит 29,54 изображения в наборе данных. Гистограмма на рисунке показывает распределение данных. Разрешение изображений колеблется от 8688 на 5792 пикселей до 440 на 293 пикселей.В общей сложности 52,9 процента изображений находятся в диапазоне от 1024 на 678 пикселей до 1920 на 1080 пикселей.

Примеры изображений панды, использованные в этом исследовании. Изображения в каждой строке были собраны с одной и той же панды

Гистограмма количества изображений 218 панд

Изображения были аннотированы вручную 15 аннотаторами. Процесс аннотации разделен на два этапа. На первом этапе ограничивающие прямоугольники используются для определения лиц панд, а на втором этапе многоугольники со средним числом вершин 44, 14, 12, 14, 12, 10 и 11 используются для аннотирования лица, левого уха и левого глаза. , правое ухо, правый глаз, нос и рот соответственно.Ограничительные рамки и аннотации к чертам лица использовались только для обучения сетей. Аннотированные вручную ограничивающие рамки использовались для обучения сети распознавания лиц. Для обучения сети сегментации и согласования использовались три набора данных. Обрезанные вручную изображения и исходные данные сегментированного изображения были, соответственно, входом и целевым выходом при обучении сети сегментации. Для набора данных наземной истины выравнивания изображения были выровнены с использованием алгоритма, который использовал аннотации глаз и рта для выравнивания обрезанных и сегментированных изображений.Хотя информация о поле и возрасте панд не используется в текущем алгоритме, приводится сводка данных: 3743 изображения собраны с женских панд и 2698 изображений собраны с мужских панд; 328, 4 001, 1271 и 784 собраны у старых (старше 20 лет), взрослых (5,5–20 лет), младших (1,5–5,5 лет) и молодых (0–1,5 лет) панд и 57 изображений. нет информации о возрасте.

На этапе тестирования все задачи, то есть обнаружение, сегментация, выравнивание и идентификация, выполнялись с использованием сетей с исходными необработанными изображениями.На рисунке показаны некоторые из этих изображений. На рисунке показаны примеры аннотированных изображений.

Первая и вторая строки показывают, соответственно, результаты аннотаций первого и второго уровня

2.2. Предлагаемый алгоритм распознавания лиц панды

Рисунок иллюстрирует алгоритм. Во-первых, сеть обнаружения (Girshick, 2015; Liu et al., 2016; Redmon, Divvala, Girshick, & Farhadi, 2016) применяется к необработанным входным изображениям для обнаружения лиц фронтальных панд, которые обозначены ограничивающими рамками вывода.Во-вторых, лицевые области внутри ограничивающих рамок извлекаются и вводятся в сеть сегментации изображения (He, Gkioxari, Dollár, & Girshick, 2017; Long, Shelhamer, & Darrell, 2015; Ronneberger, Fischer, & Brox, 2015) и сеть пространственных преобразователей (Jaderberg, Simonyan, & Zisserman, & Kavukcuoglu, 2015) для сегментации и выравнивания соответственно. Наконец, нормализованные изображения лиц передаются в глубокую сеть для определения личности панды. В этом разделе представлена ​​архитектура модели, ее компоненты (раздел 2.2.1) и обучение (раздел 2.2.2) кратко обсуждаются. Более подробное описание архитектуры модели и обучения см. В Приложении S1.

Иллюстрация предлагаемого алгоритма распознавания лиц панды

2.2.1. Архитектура модели

Обнаружение

Faster R ‐ CNN (Ren, He, Girshick, & Sun, 2015) — это современный универсальный алгоритм обнаружения объектов, основанный на глубоком обучении, который состоит из сети предложений региона и классификационная сеть.Сеть предложения региона возвращает кандидатов в регионы, которые могут содержать объекты. Сеть классификации используется для классификации объектов в регионах-кандидатах и ​​уточнения координат ограничивающей рамки, чтобы они соответствовали объектам более точно. В первом модуле для обнаружения лиц панды (рисунок) используется Faster R ‐ CNN, который использует слои ResNet ‐ 50 (He, Zhang, Ren, & Sun, 2016). Эта сеть уже была обучена с использованием набора данных COCO (Lin et al., 2014) и может быть загружена из зоопарка модели обнаружения Tensorflow.Предварительно обученная сеть была настроена для обнаружения лиц панд. Входными данными Faster R-CNN являются изображения панды (рисунок), масштаб которых был изменен до 1024 на 600 пикселей для горизонтальных изображений и 600 на 1024 пикселей для вертикальных изображений. Faster R ‐ CNN выводит координаты ограничивающей рамки, которые используются для обрезки морд панды (рисунок). Обрезанные изображения — это обнаруженные лица панды, размер которых изменяется до 224 на 224 пикселей.

(a) — это необработанные входные изображения и (b) — (d), соответственно, выходы сетей обнаружения, сегментации и выравнивания.Изображения в (b) — (d) являются черно-белыми изображениями

Сегментация

Второй модуль (рисунок) отвечает за удаление фона путем создания бинарной маски — изображения, черные пиксели которого представляют фон, а белые пиксели представляют панду. лицо. Он использует ResNet-50, который был обучен на наборе данных ImageNet (Deng et al., 2009), а затем верхние слои после удаления ResNet Layer 3. Сверху добавляется новый слой свертки, за которым следует среднее объединение, транспонирование свертки и активация.Эта сеть берет обрезанное изображение лица панды из Faster R-CNN и выводит двоичную маску, которая поэлементно умножается на входное изображение для создания сегментированного изображения лица панды. На рисунке показаны выходы этой сети.

Выравнивание

Третий модуль (рисунок) определяет параметры аффинного преобразования для выравнивания сегментированного изображения лица панды с эталонным шаблоном, чтобы минимизировать вариации поворота, смещения и масштабирования среди различных изображений лица панды.Этот модуль содержит ResNet-50, слои которого удаляются после ResNet Layer 4, за которым следует средний пул и два полностью связанных уровня с активациями. Последний слой имеет шесть нейронов, соответствующих шести параметрам аффинного преобразования, которые используются для совмещения сегментированного изображения лица панды с эталонным лицом панды. На рисунке показаны сегментированные изображения до и после совмещения. Выровненные изображения передаются в последний модуль для прогнозирования идентификатора панды.

Предсказание идентичности Panda

Последний модуль (рисунок) представляет собой стандартную классификационную сеть.ResNet-50, который был обучен на наборе данных ImageNet и дополнительно настроен на выровненных лицах панды, используется для определения идентичности панды на входном изображении. Каждый выходной узел в последнем слое дает значение вероятности, показывающее, насколько вероятно, что панда во входном изображении является пандой, соответствующей узлу. При идентификации с закрытым набором количество выходных узлов равно количеству панд в обучающем наборе. В этом случае предлагаемый алгоритм не обрабатывает неизвестных панд явным образом.Если в среде приложения есть неизвестные панды, экспертам необходимо вручную сравнить наиболее вероятные панды, выведенные алгоритмом, с пандой на входном изображении. Ручное сравнение также используется в криминалистических приложениях. При идентификации с открытым набором количество выходных узлов в последнем слое равно количеству панд с известными идентификаторами с одним дополнительным узлом для панд с неизвестными идентификаторами. Выходные данные дополнительного узла — это значение вероятности, показывающее, насколько вероятно, что панда во входном изображении не является одной из панд с известной идентичностью.Более подробную информацию о сетевых архитектурах можно найти в Приложении S1.

2.2.2. Обучение

Все сети были обучены на рабочей станции Ubuntu 18.04 с процессором Intel Xeon® E5‐1650 v4 и графическим процессором NVIDIA GTX 1080 Ti. Код был реализован на Python с использованием Tensorflow и Pytorch. Сети обучались с использованием контролируемого подхода в два этапа. Подход с учителем означает, что каждая входная обучающая выборка связана с наземным истинным выходом, который используется для вычисления функций потерь для получения оптимальных параметров сети.

На первом этапе Faster R-CNN для распознавания лиц панды был обучен с использованием пар необработанных изображений и соответствующих наземных ограничивающих рамок вокруг лиц панд. Во время обучения сеть использовала необработанные изображения в качестве входных и выходных предсказанных ограничивающих прямоугольников, которые используются для вычисления четырех различных функций потерь. После обучения эта сеть используется для обнаружения лиц панды на изображениях. 5854 изображения были использованы для обучения сети обнаружения лиц панды, 185 изображений были использованы для проверки модели во время обучения и 402 изображения были использованы для оценки производительности обученной сети обнаружения.

На втором этапе все остальные три модуля, то есть сети сегментации, выравнивания и идентификации, были обучены последовательно с использованием обрезанных изображений морд панды в качестве входных данных. Соответствующие основные истины — это двоичные маски, параметры аффинного преобразования и тождества панды, которые использовались для вычисления соответствующих функций потерь для получения оптимальных параметров сети. Дополнительно использовалось увеличение данных (пространственные и цветовые преобразования). Это распространенный метод борьбы с переоснащением модели и повышения производительности сети для невидимых данных.Чтобы решить проблему несбалансированного набора данных, был создан расширенный набор данных из изображений, обнаруженных с помощью сети обнаружения лиц панды. В набор данных были добавлены новые изображения, созданные путем случайного применения операций перемещения, поворота, яркости, контрастности и резкости к случайно выбранному изображению. Эти операции были применены ко всем пандам, кроме одной с максимальным количеством изображений. Таким образом, все панды в расширенном наборе обучающих данных имели одинаковое количество изображений. Границы наземной истины, которые были помечены вручную, использовались для обучения первого модуля, Faster R-CNN.Дополнение данных было выполнено на обучающем наборе данных. Обрезанные (из Faster R ‐ CNN) и измененные изображения (224 × 224) были переведены как в горизонтальном, так и в вертикальном направлениях до максимум ± 15 пикселей. Обучающие образцы также произвольно поворачивались в диапазоне ± 20 °. Обрезанные изображения после обнаружения были преобразованы в одноканальную шкалу серого (224 × 224 × 1), а затем один и тот же канал был скопирован трижды для формирования (224 × 224 × 3) входных данных для последующей сети. Поскольку изображения были преобразованы в оттенки серого; к обучающим изображениям случайным образом применялись только резкость, яркость и контраст.Изображения варьировались до ± 15% случайным образом по шкалам яркости, контрастности и резкости. Наконец, после аугментации у каждой панды было 134 изображения. Всего в расширенном наборе обучающих данных было 29 212 изображений. Изображения в тестовом наборе данных и наборах данных проверки не были дополнены. Расширенный набор данных использовался для обучения сетей на втором этапе. После обучения эти сети работают в определенной последовательности, чтобы определить личности панд.

Предложенный алгоритм был обучен для идентификации с закрытым набором и идентификации с открытым набором.Для идентификации с закрытым набором исходный набор данных с 6441 изображением был разделен на набор галереи, содержащий 5854 изображения, набор для проверки, содержащий 185 изображений, и набор зондов, содержащий 402 изображения. Наборы галереи и пробников содержали изображения всех 218 панд, а изображения в наборе проверки были выбраны из панд с более чем 5 изображениями в наборе обучающих данных. У каждой панды есть хотя бы одно изображение в наборе зондов. Упомянутое выше увеличение данных было применено к набору галереи и создало обучающий набор с 29 212 изображениями.Для открытой идентификации набор галереи был реорганизован. 4983 изображения от 176 панд были увеличены до 23 584 изображений, чтобы сформировать набор данных о наблюдаемых пандах, а 505 изображений от 20 панд были дополнены в общей сложности до 2680 изображений, чтобы сформировать набор данных о невидимых пандах для обучения сетей. В сети идентификации 176 панд соответствовали 176 выходным узлам для их идентификации, а 20 панд соответствовали одному выходному узлу для обнаружения невидимых панд. Обратите внимание, что 366 изображений из 22 панд в исходном наборе галереи не использовались в обучении.338 изображений 176 панд, которые считались увиденными пандами, и 29 изображений 22 панд, которые считались невидимыми пандами, были использованы для оценки предложенного алгоритма в настройке идентификации с открытым набором. Эти изображения были взяты из исходного набора датчиков. Подробности о функциях обучения и потерь можно найти в Приложении S1.

2.3. Метрики оценки

Для оценки систем биометрического распознавания на основе изображений обычно используются галереи и наборы датчиков. Набор галереи — это набор данных, содержащий изображения с известными идентичностями.Набор проб содержит запросы изображений, которые вводятся в системы распознавания для определения их личности. Для каждого запроса система выводит сравнительные оценки, которые указывают на сходство / несходство между запросом и идентичностями в наборе галереи. Все эти сравнительные оценки в дальнейшем используются для расчета показателей производительности. Две метрики, кривые рабочей характеристики приемника (ROC) и совокупной характеристики согласования (CMC), обычно используются для оценки производительности системы распознавания.

2.3.1. Рабочая характеристика приемника

Кривая ROC показывает истинные положительные результаты (TPR) по сравнению с ложноположительными показателями (FPR), которая измеряет точность системы при ответе, являются ли запрос и заданная личность одним и тем же или разными людьми (проверка). Точки на кривой ROC вычисляются путем определения порогового значения для всех оценок сравнения и вычисления количества истинных и ложных срабатываний для каждого порогового значения. Желательно, чтобы система распознавания устанавливала порог на высокий TPR и низкий FPR.Однако существует компромисс между более высоким TPR и более низким FPR, и необходимо выбрать порог, подходящий для целевого приложения. Для численного сравнения двух систем распознавания на основе их ROC обычно сообщают TPR при нескольких разных FPR, например 0,1, 0,01, 0,001 и т. Д., Или сообщают равный коэффициент ошибок (EER), при котором 1-TPR и FPR равны.

2.3.2. Кумулятивная характеристическая кривая совпадения

Кривая CMC показывает уровни идентификации на разных рангах, а точка на K -м ранге указывает, что процент идентичностей запросов правильно извлечен в пределах верхних K рангов.Кривая CMC рассчитывается путем сортировки (по возрастанию / убыванию) сравнительных оценок для каждого запроса, чтобы определить его рейтинг в отсортированной галерее. Обычно для оценки и сравнения производительности системы используются коэффициенты идентификации ранг-1 (первое место) и ранг-5 (первое место-5). В некоторых приложениях, в которых для дальнейшей обработки результатов поиска участвует человек, также важны более высокие ранги, например, ранг 10 или 30.

3. РЕЗУЛЬТАТЫ

Во-первых, сообщаются характеристики обнаружения и точность замкнутого набора.Пересечение по объединению — это метрика оценки, используемая для измерения точности обнаружения детектора объекта. Порог используется для определения наличия значительного пересечения между ограничивающей рамкой наземной истины и предсказанной ограничивающей рамкой в ​​пределах объединенной области, охватываемой двумя блоками. Если соотношение выше порогового значения, то обнаруженная ограничивающая рамка считается правильной. Сеть обнаружения достигла 100% точности при 70% IoU (пересечение по объединению). На рисунке показаны некоторые результаты обнаружения.Для закрытой идентификации алгоритм достиг первой точности 96,27% и первой пятерки 97,25%. На рисунке показана полученная кривая CMC. Обратите внимание, что на рисунке показано только 25 рангов, но в наборе галереи 218 панд. На рисунке приведены соответственно правильно и неправильно идентифицированные изображения панды. Рисунок показывает, что качество изображения влияет на результаты идентификации. Лица панды с окклюзией и большими вариациями поз сложнее. Для понимания эффективности идентификации выполняется дополнительный анализ.В этом анализе панды сгруппированы по количеству исходных обучающих образов. Точность идентификации в каждой группе представлена ​​в виде гистограммы, которая показана на рисунке. Рисунок показывает, что большее количество обучающих изображений, вероятно, даст высокую точность. Это общее свойство алгоритмов машинного обучения, в частности, методов, основанных на глубоком обучении, поскольку они очень требовательны к данным.

Наземные истины по обнаружению лиц панды (слева) и результаты (справа)

(a) Кривая CMC идентификации по замкнутому множеству и (b) точность идентификации панд с разным количеством обучающих изображений

(a) Примеры изображений, на которых панды были правильно идентифицированы, и (б) примеры изображений, на которых панды были идентифицированы неправильно.Изображения в каждой строке взяты с одной панды. Изображения в первых двух столбцах взяты из обучающей выборки. Изображения в последнем столбце взяты из набора для тестирования

. Чтобы выбрать модель классификации для прогнозирования идентичности панды, был проведен эксперимент на Resnet-101, Restnet-50 и Resnet-18, и результаты представлены в таблице. Три модели были предварительно обучены с использованием набора данных ImageNet. В то время как Resnet ‐ 101 был самой глубокой моделью, Resnet ‐ 50 и Resnet ‐ 18 были более мелкими версиями той же сетевой архитектуры.В целом, результаты модели Resnet-50 с предварительно обученными весами дали наивысшую точность Top-1, и, следовательно, эта модель использовалась для всех других экспериментов.

Таблица 1

Точность идентификации с замкнутым набором для трех предварительно обученных моделей

Для открытой идентификации алгоритм достиг первой точности 92,12% и первой пятерки 95,09%. На рисунке показана полученная кривая CMC. Производительность алгоритма падает по сравнению с идентификацией с закрытым набором (рисунок) из-за сокращения обучающих изображений и неизвестных панд в тестовом наборе. Чтобы увидеть, может ли предложенный алгоритм обнаруживать неизвестных панд, различные пороги применяются к выходным вероятностям нейрона последнего слоя, который соответствует неизвестным пандам, и, следовательно, может быть построена соответствующая кривая ROC (рисунок).При уровне ложного принятия 5% алгоритм может правильно обнаруживать неизвестных панд с точностью 93,18%.

(a) Кривая CMC для идентификации в открытом наборе и (b) ROC-кривая для обнаружения неизвестных панд

Каким функциям сеть научилась идентифицировать панд? Это уместный вопрос, который необходимо исследовать. Как и в (Miao et al., 2019), метод Grad-Cam (Selvaraju et al., 2017) используется для понимания изученных функций сети. Grad-Cam — это широко используемый метод, обеспечивающий визуальное объяснение моделей на основе CNN путем визуализации градиентов, переходящих от последнего сверточного слоя к входным, и создания тепловой карты.Grad ‐ Cam использовался для создания тепловых карт и наложения их на входные изображения панды. На тепловой карте (рисунок) показаны области лица панды, которые вносят наибольший (зеленый) и наименьший (синий) вклад в прогнозирование сети. Эти тепловые карты показывают, что области глаз и носа позволяют сети различать разных панд.

Тепловые карты, созданные методом Grad ‐ Cam, наложенные на изображения панд

4. ОБСУЖДЕНИЕ

В экспериментах алгоритм оценивается в сложных условиях, где 218 панд в закрытой идентификации и 176 панд в открытой идентификации.Большое количество панд означает, что алгоритму труднее идентифицировать панд. Однако при применении алгоритма к диким изображениям нет необходимости идентифицировать эти большие количества панд, потому что дикие панды редко распространены на больших территориях, а панды, как правило, одиночки (Guan et al., 2016). Более четко, согласно последнему исследованию панд (Государственная администрация лесного хозяйства, 2015b), плотность диких панд составляет 0,0684 особи на квадратный километр, и, следовательно, каждая камера, установленная в их среде обитания, может сфотографировать только несколько панд.При сравнении изображений панды, снятых определенной камерой, алгоритму нужно только сравнить их с изображениями, снятыми той же камерой или окружающими камерами. Количество панд, необходимых для сопоставления, намного меньше, чем количество панд, исследованных в этом исследовании.

В этом исследовании каждое изображение рассматривается как независимый образец, и алгоритм идентифицирует панду на каждом тестовом изображении. На самом деле дикие камеры могут снимать видеоклип при каждой встрече. Несмотря на то, что в видеоклипе может быть более 100 изображений для одной панды, алгоритм должен принять только одно решение.Таким образом, можно использовать методы ансамблевой классификации, такие как голосование и суммирование весов, которые могут повысить точность. В экспериментах алгоритм исследуется в экстремальных условиях, когда при каждом столкновении для распознавания может использоваться только одно действительное изображение, а местоположение камеры недоступно.

Получение фронтальных изображений лица панды с хорошим качеством — важный шаг в использовании алгоритма для идентификации панды. Zheng et al. показали, что аналогичные приманки могут повысить качество изображения дикой панды (Zheng et al., 2016). Кроме того, фотоловушки с несколькими камерами, фотографирующими одну и ту же панду с разных направлений, могут увеличить вероятность получения фронтальных изображений лица панды. Еще одно направление, позволяющее снизить потребность в изображениях лиц панды, заключается в расширении алгоритма обработки изображений лиц панды, снятых с разных направлений.

TinyPNG — интеллектуальное сжатие изображений WebP, PNG и JPEG

Что делает TinyPNG?

TinyPNG использует интеллектуальные методы сжатия с потерями, чтобы уменьшить размер файлов WEBP, JPEG и PNG на .За счет выборочного уменьшения количества цветов в изображении для хранения данных требуется меньше байтов. Эффект почти незаметен, но он очень сильно влияет на размер файла!

Почему мне следует использовать TinyPNG?

PNG полезен, потому что это единственный широко поддерживаемый формат, который может частично хранить прозрачных изображений . Формат использует сжатие, но файлы могут быть большими. Используйте TinyPNG для сжатия изображений для ваших приложений и сайтов. Он будет использовать меньшую полосу пропускания, и будет загружаться быстрее .

Кто-нибудь может отличить?

Отличный вопрос! Позвольте мне провести параллельное сравнение. Ниже представлены две фотографии моего двоюродного брата. Левое изображение сохраняется как 24-битный PNG прямо из Adobe Photoshop. Справа то же изображение, обработанное TinyPNG. Заметили разницу?

Как это работает?

Отличный вопрос! Когда вы загружаете файл PNG (переносимая сетевая графика), похожие цвета в вашем изображении объединяются.Этот метод называется «квантованием». За счет уменьшения количества цветов 24-битные файлы PNG можно преобразовать в гораздо меньшие 8-битные цветные изображения с индексом. Также удаляются все ненужные метаданные. В результате лучше файлы PNG с 100% поддержкой прозрачности . Ешьте свой торт и тоже ешьте!

На изображении выше размер файла уменьшен на более чем на 70% . У меня отличное зрение, но я тоже не вижу разницы! Используйте оптимизированное изображение, чтобы сэкономить трафик и время загрузки, и посетители вашего сайта будут вам благодарны.

Везде ли поддерживается?

Отличный вопрос! Файлы, созданные TinyPNG, отлично отображаются во всех современных браузерах , включая мобильные устройства . По-прежнему требуется поддержка Internet Explorer 6? Обычно он игнорирует прозрачность PNG и отображает сплошной цвет фона. С TinyPNG фон снова становится прозрачным. Бинарная прозрачность без обходных путей!

Безопасно ли использовать анимированный PNG?

Отличный вопрос! Chrome, Firefox и Safari поддерживают APNG.Только Microsoft Edge пока не поддерживает формат. Если у вас есть браузер Edge, вы можете проголосовать за поддержку APNG на сайте отзывов разработчиков Microsoft.

Apple добавила анимированные стикеры в iMessage с выпуском iOS 10. Если вы хотите создавать и сжимать стикеры размером менее 500 КБ, взгляните на пример стикера iMessage Panda на Github.

А как насчет Photoshop?

Отличный вопрос! Только Photoshop CC 2015, 2017 и 2018 может сохранять изображения как проиндексированные файлы PNG с альфа-прозрачностью.В других версиях это невозможно, и Photoshop CS5 даже не может правильно их отображать.

Вы можете использовать Сохранить для Интернета , чтобы экспортировать изображения как 24-битные прозрачные файлы PNG и загрузить их в TinyPNG. Мы конвертируем их в крошечные проиндексированные файлы PNG. Вы также можете установить плагин TinyPNG Photoshop. Он позволяет масштабировать, просматривать и сохранять сжатые изображения PNG и JPEG прямо из Photoshop.

Почему вы создали TinyPNG?

Viral Pics: Всадник по доставке еды приносит милую панду в свой последний рабочий день

Интернет — это кладезь странных и занимательных новостей.Мы часто видим, как случайные изображения без видимых причин привлекают внимание пользователей сети. Одна из категорий изображений, которые мы регулярно видим, становятся вирусными, — это милые животные и домашние животные. Тысячи пользователей делятся фотографиями своих питомцев и очаровательными выходками своих кошачьих друзей, к большому удовольствию своих подписчиков. Узайр, наездник по доставке еды, поделился милыми репликами о себе с выходящим «Пандой» и о доставке заказов в свой последний день. Животное было ненастоящим, и Узайр умело отфотошопил его на фотографиях, что снискало ему похвалу отовсюду.Взгляните:

Хари последний, bawak sekali budak malas ni pi cedok order sebelom gantung begin. pic.twitter.com/Z9VCjPajrn— jai (@uzairilationn) 8 февраля 2021 г.

(Читайте также: Водитель-курьер ест еду клиента; отправляет это веселое, но честное сообщение)

Узаир работает 22 года назад с Foodpanda в Малайзии, и, как сообщается, он оставил свою работу, чтобы продолжить обучение. Он решил отпраздновать свой последний день на работе в качестве всадника по доставке еды, сделав его незабываемым, создав эти чудесно очаровательные клики с талисманом компании.«В последний день, когда я взял этого ленивого ребенка забрать заказ, прежде чем я уйду», — написал он, поделившись милыми картинками в Твиттере.

Twitterati безумно отозвался о фотографиях, которые стали вирусными, собрав 46,6 тысячи лайков и 17,1 тысячи ретвитов. Хотя панда была создана в цифровом виде, пользователи восхищались тем, как она выглядела почти реальной. У Узира, по сути, есть собственная страница в Instagram, на которой есть несколько похожих кликов, которые редактируются довольно творчески. Взгляните на некоторые реакции пользователей Twitter на милые снимки.

So cuteeeeeeee ???? — Azfarheri ???????? (@Azfarheri) 9 февраля 2021 г.

Последнее фото супер мило! ???? — Яя ???? (@aimiathirah) 9 февраля 2021 г.

Отлично !! — VK (@ v_ViCkN3S) 10 февраля 2021 г.

Приятное редактирование манипуляции — ザ イ ー ム (@zamieyoshi) 9 февраля 2021 г.

Прочитать : Змея или закуска? Женщина находит змею рядом с упаковкой с доставкой еды)

Что вы думаете о вирусных картинках с пандой? Расскажите нам в комментариях ниже!

Об Адити Ахуджа Адити любит общаться и встречаться с единомышленниками-гурманами (особенно с теми, кто любит вегетарианские момо).Плюс к этому, если вы слышите ее плохие шутки и отсылки к ситкомам, или если вы порекомендуете новое место, где можно поесть.

Встаньте поближе с Бао Бао в удивительных новых фотографиях | В Смитсоновском институте

Одним недавним утром в отремонтированном сарае для верблюдов, через город от Белого дома и сразу за холодильником, на котором была вывешена форма, в которой перечислялись части бамбука и что-то под названием «Еда для пожирателей листьев, горилла», четыре взрослых человека сидели с их взгляды остановились на группе видеоэкранов, на которых абсолютно ничего не происходило.Все в комнате были в восторге. Передаваемые изображения были двух существ в вольере в соседней комнате. Один из них выглядел как большой пушистый футбольный мяч — его форма, пропорции и черно-белые отметины напоминали классический МакГрегор 5-го размера. Другой был значительной частью самки Ailuropoda melanoleuca средних лет, гигантской панды, по имени Мэй Сян. Мэй и детеныш, родившийся в конце лета и названный Бао Бао, крепко спали. За исключением малейшего вздрагивания шерсти, поднимающейся и опадающей вместе с их дыханием, они были абсолютно неподвижны.Звуковой сигнал из корпуса представлял собой нечто большее, чем пустоту, просто низкий шумный свист, производимый воздухом, проходящим через микрофон. Тем не менее наблюдатели были ошеломлены, поскольку панды продолжали свой глубокий, неподвижный сон. Шли минуты. На экране щелкнула одна лапа, и животные вернулись к своему чистому отдыху. Гипнотический призыв заставлял всех в комнате оставаться почти такими же неподвижными и тихими, как медведи, все глаза смотрели на экраны. «Великое утро», — наконец пробормотал один из наблюдателей. «Все просто идеально.”

Какие бы странные изгибы и повороты ни потребовала эволюция, чтобы создать гигантскую панду, дьявольски хорошо сработали, создав животное, перед которым невозможно устоять. Даже инертные, у них есть харизма. В то утро, когда я сидел в диспетчерской в ​​Доме Панды Национального зоопарка, Мэй и детеныш предложили немного больше, чем этот легкий щелчок лапой и несколько минут спустя, одно небольшое изменение их положения для сна, и все же у меня было быть оторванным от экранов, когда пришло время уходить.Количество людей, которые вызвались следить за камерами и записывать каждую минуту жизни маленькой панды — работа, которая может определить слово «скука» — намного превышает необходимое количество. Легко перечислить элементы, которые способствуют привлекательности панды. Возьмите одну часть чересчур большой детской головы; добавьте большие глаза (из-за черных пятен под глазами), округлые уши, коренастое телосложение и шикарный мех. Добавьте к этому тот факт, что панды редко что-либо убивают, и их обычную позу — сидя прямо, с бамбуковым стеблем в руке, выражение лица дзен-дзен, или неуклюжие косолапые, виляя короткими плоскими хвостами, — и вы создали идеального зверя.Как недавно сказала Брэнди Смит, куратор по млекопитающим в Национальном зоопарке, панды — это умами животных; они просто восхитительны. Кажется, что у нас есть эквивалент вкусовых рецепторов панды, которые заставляют нас одурманивать при простом виде одного человека, даже когда он крепко спит, свернувшись клубочком и ничего не делая, кроме как пандой.

Если бы они были простыми, они могли бы быть не такими чудесными. Напротив, панды своеобразны: это единственная модель животного, выпущенная ограниченным тиражом, которая хранила многие из своих секретов, несмотря на то, что зоологи изучали ее на протяжении десятилетий.Даже основной вопрос о том, что они из себя представляют — больше ли они медведя, или больше енота, или чего-то еще, — все еще не решен. В исследовании 1985 года, проведенном Стивеном О’Брайеном из Национального института рака, использовался молекулярный анализ, чтобы окончательно классифицировать панд как членов семейства медведей, но это определенно странные медведи. Например, в отличие от других медведей, они не охотники. (Случаи, когда панда поедает другое животное, настолько необычны, что заслуживают освещения в печати; в прошлом году, когда панда в Китае съела тушу козоподобного животного, это сделало заголовки в течение нескольких дней.) В отличие от других медведей, панды не впадают в спячку. Они не рычат по-медвежьи. Фактически, Смит показала мне видео, на котором Бао Бао осматривают ветеринары зоопарка, и звук, который она издавала, походил на нытье девочки-подростка: «Ой! Ой! » Повзрослев, Бао Бао будет блеять, как овца. Тем временем у нее вырастет один из немногих функционально противоположных больших пальцев в животном мире. Большим пальцем она будет снимать листья со своего любимого бамбука. Когда она повзрослеет, у нее будет раз в год течка продолжительностью от одного до трех дней, в течение которой она будет проявлять единственный проблеск интереса к другим пандам, которые она когда-либо продемонстрирует; Дело в том, что панды, которых мы так обожаем, просто не обожают друг друга.(Они с трудом переносят компанию друг друга.) После короткой связи у панды будет гормональный всплеск, который будет указывать на то, что она беременна, но всплеск происходит независимо от того, беременна она или нет. Это делает практически невозможным отличить настоящую беременность панды от «псевдобеременности» до того дня, когда детеныш родится (или нет) примерно через четыре месяца, поэтому всегда кажется, что такое затаенное дыхание предвкушение, когда Панда в неволе достигает конца беременности.Это очень похоже на королевские детские часы, но с одним существенным отличием. Когда герцогиня Кембриджская беременна, нет никаких сомнений в том, что она беременна; панда же заставляет вас гадать. Короче говоря, панда — это классическая загадка, окутанная загадкой, доставленная в самой привлекательной упаковке в мире.

В наши дни панды в неволе делают, а не находят. Например, детеныш Мэй — счастливый результат искусственного оплодотворения. Несмотря на то, что Мэй Сян и самец панды зоопарка, Тянь Тиан, помощник, они не очень хороши в этом, поэтому ветеринары зоопарка осеменяют Мэй для страховки каждый раз, когда у нее течка.В маленькой переполненной комнате на территории зоопарка от вольера для панд физиолог-репродуктолог, проводивший фактическое осеменение, Пьер Комиццоли, показал мне несколько небольших металлических резервуаров, в которых хранится замороженная сперма многих видов зоопарка, в том числе образцы от Тянь Тиана. Отец Бао Бао. Еще одна странность панды — у нее очень выносливая сперма. В отличие, скажем, от спермы быка, сперма панды хорошо себя чувствует, когда ее замораживают при температуре минус-200 градусов по Цельсию. Как ни странно, из этой выносливой спермы рождается один из самых крошечных младенцев в животном мире, если говорить пропорционально: 250-фунтовая панда рожает детеныша размером с палочку масла, а также хрупкого и беспомощного, как фарфоровую куклу.

Являются ли панды своего рода эволюционной ошибкой? Их нехватка иногда заставляет так казаться, как и их эксцентричность — привередливая диета, скоротечный день плодородия, крошечные детеныши. Но это не совсем так. Их диета — это одна нота, но эта одна нота — одна из самых распространенных форм растительности на планете. Тем не менее, бамбук — странный выбор, и ученые определили, что на самом деле он не был первым выбором панды: предки панд были хищными дальними родственниками гиен, саблезубых кошек и барсуков.Пищеварительный тракт панд предназначен для употребления мяса, и у них нет длинного, избыточного желудка травоядных, таких как коровы, — другими словами, они едят много бамбука, но плохо его переваривают. Так почему бы не остановиться на мясе? По-видимому, в процессе эволюции панды утратили вкусовые рецепторы к высокобелковой пище. Их просто больше не привлекало мясо. Ученые не уверены, почему это произошло. Какой бы ни была причина, результатом был аппетит к листовой зелени, и, к счастью, ареал панд был покрыт бамбуковыми лесами, которые обеспечивали им питание, хотя взрослому человеку приходится почти постоянно есть бамбук, чтобы поддерживать свой вес.

Короткий период размножения панд может раздражать сотрудников зоопарка, пытающихся забеременеть, но в дикой природе у панд не было проблем с размножением. Это вид, который находится далеко на окраине, но это была удобная окраина, пока развитие не начало давить на их среду обитания. На самом деле, по слухам, последние исследования популяции диких панд в Китае содержат хорошие новости: количество животных в больших заповедниках, похоже, растет. Это говорит о том, что панды — это не несоответствующий вид, вымирающий из-за собственной плохой инженерии, а, напротив, особое животное, настолько тонко настроенное на окружающую среду, что любое изменение ставит вид под угрозу.

Мы настолько поражены пандами, которых можем видеть в неволе, что легко забыть тех, которых мы не видим, диких, которые продолжают свой одинокий, хрустя бамбуком путь, почти полностью скрытые от глаз в снежные складки гор Китая. В Смитсоновском институте биологии сохранения во Фронт-Рояле, штат Вирджиния, я встретился с несколькими из десятка или около того исследователей, которые проводят свое время, беспокоясь об этих пандах. По словам Дэвида Уайлдта, главы группы по выживанию видов, это иногда неблагодарное и зачастую негласное занятие; большую часть времени после походов по пересеченной местности в плохую погоду исследователи в конечном итоге видят много-много фекалий панд, но не панд.Даже из этого можно многому научиться, но это не могло сравниться с удовольствием от встречи с одним из этих почти волшебных животных, особенно в его собственном владении. Странное уравнение эволюции создало необычное животное, такое как панда, а также вызвало у людей сильное желание смотреть на панд, как мы можем.

Иногда, конечно, везет ученым. Один из исследователей, которых я встретил в Front Royal, Ван Дацзюнь, ученый-исследователь из Пекинского университета, который обучался в Смитсоновском институте и сотрудничает с командой по выживанию видов, большую часть своего времени проводит, отслеживая панд в заповедниках на западе Китая.Он объяснял мне, что неуловимость диких панд больше связана с их труднопроходимой средой обитания и их уединенным поведением, а не с каким-либо страхом перед людьми; на самом деле они, кажется, не очень-то заботятся о людях. Он начал улыбаться, а затем объяснил, что одна самка панды, которую отслеживали с 1989 года, особенно расслабилась в его присутствии. Фактически, она была так расслаблена, что однажды весенним утром, гуляя со своим детенышем, она повернулась к Вангу и дала понять, что хочет, чтобы он присмотрел за ней, чтобы она могла отправиться кормить.Другой ученый снял этот эпизод, в котором Ван ухаживает за ребенком-пандой. В видео, которое сейчас размещено на YouTube, вы будете поражены не только удивительным зрелищем, как детеныш панды кувыркается и резвится с Вангом, но и выражением радости на лице Ванга, когда он чешет животик детеныша и достает рукав. его куртки от пытливой хватки детеныша, а затем, в какой-то момент, поднимает детеныша в воздух и танцует с ним. «Это было лучшее время в моей жизни, — пишет Ван на странице YouTube.”

первых взглядов на новорожденного детеныша панды в национальном зоопарке — NBC4 Washington

Самка гигантской панды Национального зоопарка Мэй Сян была защитницей с тех пор, как 21 августа прибыл ее новорожденный детеныш, редко подавляя крошечное существо. Но она предоставила смотрителям зоопарка — и своей обожаемой публике — несколько проблесков нового извивающегося жителя зоопарка.

14 фотографий

1/14