Le réseau de neurones permet la localisation et la classification d’individus présents sur des images en obtenant une fonction de détection (appelée un détecteur) intégrée dans le logiciel Harmony.

Le réseau de neurones se base sur une classification d’espèces, issue d’une taxonomie prédéfinie, comprenant des liens de parenté entre classes (ex : la classe Laridé est la classe parente de la classe Goéland).

Appliqué sur des images d’évaluation, le détecteur permet de mesurer les performances de détection pour ces différentes classes lors de la phase d’apprentissage. Afin d’obtenir des résultats pertinents, les images d’évaluation doivent être aussi représentatives que possible de celles qui seront obtenues lors des futures études, à la fois en termes de site d’étude et d’effort d’échantillonnage. Cela comprend donc la typologie des images (lieu, saison, météo, état de la mer, éblouissement etc.) et l’échantillonnage spatio-temporel. Par exemple, si l’étude se fait sur une continuité temporelle des images, alors l’évaluation du détecteur doit reposer sur cette même continuité. En effet, un écueil fréquemment constaté consiste à présenter des performances de détection automatique évaluées sur un sous-ensemble non représentatif des conditions terrain, créant ainsi un biais parfois important.

Les performances de détection d’une espèce mesurent la capacité du détecteur à localiser et classer automatiquement les individus de cette espèce présents dans la masse d’images. Cette méthode ne doit pas être confondue avec la capacité de certains algorithmes à seulement localiser des individus dont l’espèce doit être déterminée a posteriori par un expert.