Please use this identifier to cite or link to this item: https://hdl.handle.net/10316/88052
DC FieldValueLanguage
dc.contributor.advisorSousa, José Paulo Filipe Afonso de-
dc.contributor.authorSimon, Alban Emmanuel Mazars-
dc.date.accessioned2019-11-18T23:37:43Z-
dc.date.available2019-11-18T23:37:43Z-
dc.date.issued2019-07-19-
dc.date.submitted2019-11-18-
dc.identifier.urihttps://hdl.handle.net/10316/88052-
dc.descriptionDissertação de Mestrado em Ecologia apresentada à Faculdade de Ciências e Tecnologia-
dc.description.abstract************************************************************************************************************************************************************************************************Apesar dos recentes avanços, algumas das iniciativas de ciência cidadã estão ainda limitadas por múltiplos constrangimentos específicos à monitorização efectuada pelas pessoas que participam deste tipo de projectos e que podem impedir a qualidade dos dados recolhidos. No entanto, o advento de novas tecnologias está a revolucionar a recolha e o acesso a dados de conservação. O projeto Wild in Live teve como objetivo provar se tal tecnologia poderia ser usada em ciência cidadã como uma ferramenta para auxiliar na recolha de dados. Foi desnevolvido um algoritmo capaz de rastrear plataformas de redes sociais para categorizar e detectar tartarugas marinhas. O protótipo tem uma classificação com uma precisão de 95,53% e pode reconhecer tartarugas marinhas individuais dentro de um banco de dados considerável de 22 500 imagens. O resultado preliminar ofereceu uma boa visão do potencial inexplorado e da limitação da visão computacional para monitorar os ecossistemas. A recolha passiva de dados aumentará o escopo e a escala do monitorização de tartarugas marinhas, e o Wild in Live poderá tornar-se uma ferramenta para ajudar os pesquisadores a recolher mais informações, enquanto projetos de ciência cidadã poderiam usá-los para aumentar a conscientização para a conservação das espécies.***************************************************************************************************************************************************************************************por
dc.description.abstract************************************************************************************************************************************************************************************************************************************************************************************************Despite the recent advances, citizen science is limited by multiple biases specific to human monitoring that can hamper the quality of the dataset. However, the advent of new technologies is revolutionising the generation and access to conservation data. The Wild in Live project aimed to prove if such technology could be used in citizen science as a tool to help the data collection. We, therefore, created an algorithm capable of scouting social media platforms to categorise and detect sea turtles. The prototype has a classification accuracy of 95.53% and can recognise individual sea turtles within a considerable database of 22 500 pictures. The preliminary result offered a good insight into the untapped potential and limitation of computer-vision to monitor ecosystems. The passive collection of data will increase the scope and scale of sea turtle monitoring, and Wild in Live project could become a tool to help researchers gather more information while citizen science projects could use it to raise awareness.**************************************************************************************************************************************************************************************************************************************************************************************eng
dc.language.isoeng-
dc.rightsopenAccess-
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/-
dc.subjectMachine Learningpor
dc.subjectRedes Sociaispor
dc.subjectCitizen Sciencepor
dc.subjectClassificação de Imagenspor
dc.subjectBiologia da Conservação.por
dc.subjectMachine Learningeng
dc.subjectSocial Mediaeng
dc.subjectCitizen Scienceeng
dc.subjectImage Classificationeng
dc.subjectConservation Biologyeng
dc.titleThe Wild in Live Project: A Human/Algorithm learning network to help citizen science in wildlife conservation.eng
dc.title.alternativeO projeto Wild in Live: rede de aprendizagem baseada em algoritmos para auxílio em projetos de ciência-cidadã para conservação da vida selvagem.por
dc.typemasterThesis-
degois.publication.locationDCV-
degois.publication.titleThe Wild in Live Project: A Human/Algorithm learning network to help citizen science in wildlife conservation.eng
dc.peerreviewedyes-
dc.identifier.tid202304850-
thesis.degree.disciplineEcologia-
thesis.degree.grantorUniversidade de Coimbra-
thesis.degree.level1-
thesis.degree.nameMestrado em Ecologia-
uc.degree.grantorUnitFaculdade de Ciências e Tecnologia - Departamento de Ciências da Vida-
uc.degree.grantorID0500-
uc.contributor.authorSimon, Alban Emmanuel Mazars::0000-0001-9155-9966-
uc.degree.classification18-
uc.degree.presidentejuriRibeiro, Rui Godinho Lobo Girão-
uc.degree.elementojuriSousa, José Paulo Filipe Afonso de-
uc.degree.elementojuriHeleno, Ruben Huttel-
uc.contributor.advisorSousa, José Paulo Filipe Afonso de-
item.openairetypemasterThesis-
item.languageiso639-1en-
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
item.cerifentitytypePublications-
item.grantfulltextopen-
item.fulltextCom Texto completo-
crisitem.advisor.researchunitCFE - Centre for Functional Ecology - Science for People & the Planet-
crisitem.advisor.orcid0000-0001-8045-4296-
Appears in Collections:UC - Dissertações de Mestrado
Files in This Item:
File Description SizeFormat
Wildinlive Final AMS.pdf2.54 MBAdobe PDFView/Open
Show simple item record

Page view(s)

234
checked on Mar 26, 2024

Download(s)

163
checked on Mar 26, 2024

Google ScholarTM

Check


This item is licensed under a Creative Commons License Creative Commons