Содержание

Дружба кота и собаки — 60 фото

1

Наши пушистые друзья


2

Заставка на рабочий стол Дружба


3

Кот и пёс милота


4

Кот и собака дружат


5

Забавные кошки и собаки


6

Дружба разных животных


7

Преданные друзья


8

Милые животные рисунки


9

Дружба кошек с другими животными


10

Кошка и собака любовь


11

Красивые котики и собачки


12

Кошки Дружба


13

Дружба кота и собаки


14

Обои с собаками


15

Волк и ретривер


16

Дружба котов


17

Кошка птица


18

Немецкая овчарка и рыжий кот


19

Немецкая овчарка и коты


20

Спящие щенки и котята


21

Кошка и собака пушистые


22

Дружба котик и собака


23

Враждующие животные


24

Милые собачки и кошечки


25

Уличные кошки и собаки


26

Дружба волка и кошки


27

Милые котята и щенки


28

Кошечки собачки урожай


29

Собака лижет кошку


30

Породы кошек и собак


31

Кошки и собаки


32

Дружба кошки и собаки


33

Собаки обнимаются


34

Корши и кот вместе


35

Кошачья Дружба


36

Забавные домашние животные


37

Кошка и собака любовь


38

Дружба кошки и собаки


39

Кошка и собака пушистые


40

Дружба животных


41

Дружба кошки и собаки


42

Дружба животных


43

Животные друг на друге


44

Кошка и собака на природе


45

Счастливые собаки и коты


46

Настоящий друг собака и кошка


47

Животные друзья а не еда


48

Дружба кота и собаки


49

Фото бездомных собак и кошек


50

Животные друзья


51

Ласковые животные


52

Про животных с щенками для настроения


53

Дружба кошки и собаки


54

Собака тигр


55

Собаки вместе


56

Кошки и собаки


57

Овчарка и кошка


58

Немецкая овчарка и котенок


59

Кошки и собаки

25 фотодоказательств того, что кошки и собаки умеют дружить. Ридус

1. Крошка-котёнок знакомится с большим братом (верхнее фото)

Мы живём со стереотипом, что кошки и собаки — враги и терпеть не могут друг друга. Об этом снято множество мультфильмов и написана не одна книга. Но поговорка «живут как кошка с собакой» далеко не всегда соответствует истине. Многие из этих животных имеют тёплые дружеские отношения и трогательно заботятся друг о друге.

Редакция «Ридуса» выступает за мир между всеми зверями, и поэтому мы собрали для вас убедительные фотодоказательства того, что кошки и собаки умеют дружить и любить друг друга. Наслаждайтесь!

2. Этот пёс сразу принял нового кота в семью, и теперь они всегда так спят


3. У этого котёнка очень мягкий и удобный матрас

4. Собака хорошо выполняет роль одеялка

5. Сладкая парочка

6. Две белые пушистые ложечки

7. Котёнок забрался в конус поддержать друга-пса после операции

8. Пёс Генри и сиамский кот Балу давно путешествуют вместе, при этом кот обожает спать у собаки на голове

9. Эти двое ведут себя прилично, только когда их фотографируют

10. Две рыжие пушистые ложечки

11. Поезжай аккуратно, дорогой. Как доедешь — позвони!

12. Эта собака самоотверженно заботится об одноглазой кошке

13. Привет, маленький котёнок

14. Когда вы не видели своего лучшего друга весь день

15. Это похоже на какую-то романтическую сцену из фильма

16. Кажется, котику неудобно, но что не стерпишь ради друга

17. Давай поиграем, большой парень!

18. Кажется, им хорошо вместе

19. Даже если щеночку неудобно, он слишком стеснительный, чтобы возражать

20. Рыжие пёс Бубба и котёнок Рю были спасены из приютов. Они понравились друг другу с первого взгляда и с тех пор неразлучны

21. Когда твой друг грустит, а ты пытаешься его утешить

22. На трогательную любовь собаки Генри и кота Балу можно смотреть бесконечно. Так они вместе наслаждаются солнцем

23. Большой пёс не возражает против котёнка-шапки

24. Что смотрите, не видите, мы спим

25. Счастливая семья

А вы встречали дружбу между кошками и собаками? Поделитесь своей историей с нами в комментариях!

в Ленобласти на кота завели дело

В Ленобласти завершилось расследование «дела Пушка». И в данном случае речь вовсе не о преступлениях какой-нибудь банды с криминальным авторитетом во главе, а действительно – о самом настоящем Пушке. Именно так зовут кота, которого заподозрили в нарушении административного кодекса. Все вполне серьезно. Заявление, повестка, расследование. Процесс начался из-за жалобы, которая поступила в канцелярию Бегуницкого сельского поселения. Жительница деревни Ославье потребовала привлечь к ответственности кота, который, далее дословно, «сидит у ее забора, дразнит собак и охотится на птиц». Ну и что еще хуже с точки зрения права, прозвучала версия, что все это могло происходить по предварительному сговору с хозяином животного. Так что его, как возможного подстрекателя, вызвали для дачи показаний. Опять же, есть соответствующий документ, из которого следует, что ответственному за кота следует явиться в администрацию поселения «для выяснения обстоятельств правонарушения». В общем, над Пушком нависла угроза пойти по статье. Вся Ленобласть, можно сказать, замерла в страхе. Но новый поворот юридической драмы все расставил по своим местам.

Он просто хотел гулять сам по себе, но вместо этого от него потребовали предъявить усы, лапы и хвост, которые, по мнению соседки, он приложил к ее курам и индюшкам. Мол, животное домашнее, должно сидеть дома, а не по дворам бегать и птиц пугать. На самом деле, кота хозяева могут не видеть несколько дней. Даже лестницу сделали ему на второй этаж и в шутку называли хулиганом. А теперь не в шутку Пушку и его хозяину грозят статьей.

«Написано: находился за территорией в непосредственной близости. Ну, я попросил фотографии или видео. Мой кот-то был? На собак не знаю, сможет ли он напасть, если защищаться будет. Но чтобы на собак напасть, нужно сетку-рабицу преодолеть. Там их восемь и все крупные. Не думаю, что найдется кот, который решит туда прыгнуть», – говорит хозяин животного Евгений Попов.

Но соседка все же пожаловалась на кота, что он дразнит ее собак. А их у возмущенной стороны аж семь. Их другие соседи боятся больше, чем того самого обвиняемого в разгульном образе жизни. Пушка давно знают почти все жители деревни. И жаловались только на то, что он не все молоко выпивает из миски, когда наливают.

«Идеальный котик! Слушает меня всегда. Вот сейчас кричу – нету, а вчера вышел, когда я кричал. Вчера у меня на чердаке был долго-долго», – говорит житель Бегунинского сельского поселения Владислав Попов.

В администрации Бегунинского сельского поселения о том, что в районе завелся кот-дебошир, отреагировали спокойно. Им уже писали заявления на куриц, которые перебежали на чужой участок. Пушку на этот раз повезло – его с хозяином оправдали.

«Фактов, подтверждающих, что кот находился за пределами участка и землевладения своего хозяина, представлено не было, в связи с чем административного взыскания с хозяина быть не может», – констатирует и.о.главы администрации Бегунинского сельского поселения Ленинградской области Наталья Михайлова.

Как выяснилось, конфликт – давний. Хозяин кота – Евгений уже жаловался на соседку: она разводит собак и свиней. Шум – мешает спать всем в округе. Её оштрафовали. Женщина оказалась злопамятной и решила мстить соседям.

«Если бы кот проник к соседке и причинил какой-то ущерб, например, собаке – подрался бы с ней, либо просто нанес вред другим домашним животным, то владельца кота могли бы привлечь к ответственности, но этого не произошло. Имеет место быть моральный фактор. Есть даже такое понятие, как гражданско-потребительский экстремизм – любая жалоба, какой бы абсурдной она не была, государственными органами должна быть рассмотрена», – объясняет адвокат Екатерина Орлова.

Пусть на бумагах никто ни к кому претензий не имеет, соседей по-прежнему разделяют не только заборы. Как выяснилось, как кошка с собакой живут не сами животные, а соседи.

Про котиков, собак, машинное обучение и deep learning / Хабр


«В 1997 году Deep Blue обыграл в шахматы Каспарова.
В 2011 Watson обставил чемпионов Jeopardy.
Сможет ли ваш алгоритм в 2013 году отличить Бобика от Пушистика?»

Эта картинка и предисловие — из челленджа на Kaggle, который проходил осенью прошлого года. Забегая вперед, на последний вопрос вполне можно ответить «да» — десятка лидеров справилась с заданием на 98.8%, что на удивление впечатляет.

И все-таки — откуда вообще берется такая постановка вопроса? Почему задачи на классификацию, которые легко решает четырехлетний ребенок, долгое время были (и до сих пор остаются) не по зубам программам? Почему распознавать предметы окружающего мира сложнее, чем играть в шахматы? Что такое deep learning и почему в публикациях о нем с пугающим постоянством фигурируют котики? Давайте поговорим об этом.

Что вообще значит «распознать»?

Предположим, что у нас есть две категории и много-много картинок, которые нужно разложить в две соответствующие категориям стопки. По какому принципу мы будем это делать? Замечательный ответ на этот вопрос состоит в том, что никто точно не знает, но общепринятый подход такой: мы будем искать в картинках какие-то «интересные» нам куски данных, которые будут встречаться только у одной из категорий. Такие куски данных называются

features

, а сам подход —

feature detection

. Существуют достаточно уверенные доводы в пользу того, что как-то так работает и биологический мозг — первым делом, конечно, знаменитый эксперимент

Хьюбела и Визеля

на клетках кошачьей (опять) зрительной коры.


О терминах

В отечественной литературе про машинному обучению вместо feature пишут «признак», что, по-моему, звучит как-то размыто. Здесь я буду говорить «фича», да простится мне это издевательство над русским языком.

Мы никогда не знаем заранее, какие части нашей картинки могут использоваться как хорошие фичи. В их роли может выступать все, что угодно — фрагменты изображения, форма, размер или цвет. Фича запросто может даже не присутствовать на картинке сама, а выражаться в параметре, полученным каким-то образом из исходных данных — например, после использования фильтра границ. Ок, давайте посмотрим на пару примеров с нарастающей сложностью:

Допустим, мы хотим сделать гугл-кар, который мог бы отличать правые повороты от левых и соответствующим образом поворачивать руль. Правило для обнаружения хорошей фичи можно придумать почти на пальцах: отрезаем верхнюю половину картинки, выделяем участок определенного оттенка (асфальт), прикладываем к нему слева какую-нибудь логарифмическую кривую. Если весь асфальт поместился под кривой — то у нас поворот направо, иначе — налево. Можно набрать себе несколько кривых на случай поворотов разной кривизны — и, конечно, разный набор оттенков асфальта, включающий в себя сухое и мокрое состояние. Правда, на грунтовых дорогах наша фича окажется бесполезной.

Пример из датасета рукописных цифр MNIST — эту картинку, наверное, видел каждый, кто хоть немного знаком с машинным обучением. У каждой цифры есть характерные геометрические элементы, которые определяют, что это за цифра — завиток внизу у двойки, косая черта через все поле у единицы, два состыкованных круга у восьмерки и т.д. Мы можем составить себе набор фильтров, которые будут выделять эти существенные элементы, потом поочередно прикладывать эти фильтры к нашему изображению, и кто покажет лучший результат — тот, скорее всего, и есть правильный ответ.

Фильтры эти будут выглядеть, например, вот так

Картинка из курса Джоффри Хинтона

«Neural networks for machine learning»

Кстати, обратите внимание на цифры 7 и 9 — у них отсутствует нижняя часть. Дело в том, что у семерки и девятки она одинаковая, и полезной информации для распознания не несет — поэтому нейросеть, которая вырабатывала эти фичи, проигнорировала этот элемент. Обычно для получения таких фич-фильтров мы как раз и пользуемся обычными однослойными нейронными сетями или чем-то похожим.


Ок, ближе к теме. Как насчет такого?

Различий между этими двумя картинками очень много — глаза разбегаются. Уровень яркости, цвета, или вот например забавное совпадение — у левой картинки белый цвет преобладает в левой части, а у правой — в правой. Но нам нужно выбрать не любые, а именно те, которые однозначно будут определять кошек или собак. То есть, например, следующие две картинки должны распознаться как принадлежащие одной категории:

Если долго и внимательно смотреть на них и пытаться понять, что между ними общего, то в голову приходит разве что форма ушей — они более-менее одинаковые, только справа наклонены. Но это тоже совпадение — можно легко себе представить (и найти примеры из того же набора данных) фотографию, на которой кот смотрит не в ту сторону, наклоняет голову или вообще запечатлен сзади. Остальное — все разное. Масштаб, цвет и длина шерсти, глаз, поза, фон… Вообще ничего общего — и тем не менее, небольшое устройство в вашей голове способно с высочайшей точностью и безошибочно отнести эти две картинки к одной категории, а две те, что повыше — к разным. Не знаю, как вас, а меня иногда восхищает, что такой могущественный девайс находится совсем рядом у каждого из нас, только руку протянуть — и тем не менее, мы до сих пор не можем понять, как он работает.

Пятиминутка оптимизма (и теории)

Ладно. А все-таки, если попробовать задать наивный вопрос — чем кошки визуально отличаются от собак? Мы можем с легкостью начать список — размер, пушистость, усы, форма лап, наличие характерных поз, которые они могут принимать… Или, например, у кошек

нет бровей

. Проблема в том, что все эти отличительные признаки выражены не на языке пикселей. Мы не можем заложить их в алгоритм, пока предварительно не объяснили ему, что такое эти самые брови и где они должны находиться — или что такое лапы и откуда они растут. Более того, мы, в общем-то, делаем все эти алгоритмы распознавания для того, чтобы понимать, что перед нами кошка — существо, к которому применимы понятия «усы», «лапы» и «хвост» — а до этого мы даже не можем с достаточной уверенностью сказать, где на фотографии заканчиваются обои или диван, и начинается кошка. Круг замкнулся.

Но некоторый вывод отсюда сделать все-таки можно. Когда мы формулировали фичи в предыдущих примерах, мы исходили из возможной изменчивости объекта. Поворот дороги может быть только влево или вправо — других вариантов нет (кроме проезда прямо, конечно, но там и делать ничего не надо), плюс стандарты дорожного строительства гарантируют нам, что поворот будет достаточно плавным, а не под прямым углом. Поэтому мы конструируем свою фичу так, чтобы она допускала различную кривизну поворота, определенный набор оттенков дорожного покрытия, и на этом возможная изменчивость заканчивается. Следующий пример: цифра «1» может быть написана разным почерком, и все варианты будут отличаться друг от друга — но в ней обязательно должна присутствовать прямая вертикальная (или наклонная) черта, иначе она перестанет быть единицей. Когда мы подготавливаем свою фичу-фильтр, мы оставляем классификатору пространство для изменчивости — и если взглянуть на картинку под спойлером снова, можно увидеть, что активная часть фильтра для единицы представляет собой толстую полосу, которая позволяет нарисовать черту с разным наклоном и с допустимым острым углом в верхней части.

В случае с котами «пространство для маневра» наших объектов становится неизмеримо огромным. На картинке могут быть коты разных пород, большие и маленькие, на любом фоне, какой только можно придумать, их может частично загораживать какой-нибудь объект, и конечно, они могут принимать сто тысяч различных поз — и это мы еще не упоминали про трансляцию (перенос объекта на картинке в сторону), вращение и масштабирование — вечную головную боль всех классификаторов. Составить плоский фильтр, аналогичный предыдущему, который мог бы учитывать все эти изменения, кажется невозможной задачей — попробуем мысленно совместить тысячи разных форм на одной картинке, и мы получим бесформенное пятно фильтра, которое будет положительно реагировать на все подряд. Значит, искомые фичи должны должны представлять собой какую-то более сложную структуру. Какую — пока непонятно, но она должна иметь возможность учитывать в себе все эти возможные изменения.

Это «пока непонятно» длилось довольно долго — большую часть истории машинного обучения. Но вдруг в какой-то момент люди поняли об окружающем мире одну увлекательную идею. Звучит она примерно так:
Все вещи состоят из других, маленьких и более элементарных вещей.

Когда я говорю «все вещи», я имею в виду буквально все, что угодно, чему мы способны обучаться. В первую очередь, раз этот пост про зрение — конечно, объекты окружающего мира, изображенные на картинках. Любой видимый объект, продолжаем мы мысль, можно представить в виде композиции каких-то устойчивых элементов, а те, в свою очередь состоят из геометрических фигур, а те — сочетание линий и углов, расположенных в определенном порядке. Примерно вот так:


(почему-то не нашел хорошей информативной картинки, поэтому эта вырезана из выступления Эндрю Ына (основатель Coursera) про deep learning

Кстати, в рамках наивных размышлений можно сказать, что наша речь и естественный язык (которые тоже давно считаются вопросами искусственного интеллекта) представляет собой структурную иерархию, где буквы складываются в слова, слова — в словосочетания, а те, в свою очередь, в предложения и текст — и что при встрече с новым словом нам не приходится заново учить все буквы, входящие в него, а незнакомые тексты мы вообще не воспринимаем как нечто требующее специального запоминания и обучения. Если заглянуть в историю, можно обнаружить множество подходов, которые в той или иной степени (и в основном, гораздо более научно обоснованно) высказывали эту мысль:

1. Уже упоминавшиеся Хьюбел и Визель в своем эксперименте в 1959 году обнаружили в зрительной коре мозга клетки, реагирующие на определенные символы на экране — и кроме этого обнаружили существование других клеток «уровнем выше», которые, в свою очередь, реагируют на определенные устойчивые сочетания сигналов от клеток первого уровня. На основании этого они предположили существование целой иерархии аналогичных клеток-детекторов.

прекрасный отрывок видео из эксперимента

… где

демонстрируется

, как они почти случайно обнаружили нужную фичу, которая заставляла нейрон реагировать — сдвинув чуть дальше обычного образец так, что край стекла попал в камеру. Чувствительным людям смотреть осторожно, в наличии издевательства над животными.


2. Где-то в районе двухтысячных в среде специалистов машинного обучения появляется сам термин

deep learning

— применительно к нейронным сетям, у которых не один слой нейронов, а много — и которые, таким образом, могут обучаться нескольким уровням фич. Подобная архитектура имеет вполне строго обоснованные преимущества — чем больше уровней в сети, тем более сложные функции она может выражать. Немедленно возникает проблема с тем, как обучать такие сети — повсеместно использовавшийся раньше алгоритм обратного распространения ошибки (backpropagation) плохо работает с большим количеством слоев. Появляется несколько разных моделей для этих целей — автоэнкодеры, ограниченные машины Больцмана и т.д.

3. Джефф Хокинс в своей книге «Об интеллекте» в 2004 году пишет, что иерархический подход рулит и за ним будущее. Он уже слегка опоздал к началу бала, но не могу о нем не упомянуть — в книге эта мысль выводится из совершенно повседневных вещей и простым языком, человеком, который был достаточно далек от машинного обучения и вообще говорил, что все эти ваши нейронные сети — плохая идея. Почитайте книгу, она очень вдохновляет.

Немного о кодах

Итак, у нас есть гипотеза. Вместо того, чтобы запихивать в обучающий алгоритм 1024×768 равноправных пикселей и смотреть, как он медленно задыхается от нехватки памяти и неспособности понять, какие пиксели важны для распознавания, мы хотим извлечь из картинки некоторую иерархическую структуру, которая будет состоять из разных уровней. На первом уровне мы предполагаем увидеть какие-то самые базовые, структурно простые элементы картинки — ее строительные кирпичи: границы, штрихи, отрезки. Повыше — устойчивые комбинации фич первого уровня (например, углы), еще выше — фичи, скомпонованные из предыдущих (геометрические фигуры, и т.д.). Собственно, вопрос — откуда взять такую структуру для отдельной картинки?

Давайте в качестве отвлеченного вопроса немного поговорим о кодах.

Когда мы хотим представить объект из реального мира в компьютере, мы пользуемся каким-то набором правил, чтобы перевести этот объект, по кусочкам, в цифровой вид. Букве, например, ставится в сопоставление байт (в ASCII), а картинка разбивается на много маленьких пикселей, и каждый из них выражается набором чисел, которые передают яркость и цветовую информацию. Моделей представления цвета много, и хотя, вообще говоря, не все равно, какую использовать для обучения — для простоты пока представим себе черно-белый мир, где один пиксель представляется числом от 0 до 1, выражающим его яркость — от черного до белого.

Что не так с этим представлением? Каждый пиксель здесь — независим, передает только небольшую часть информации о итоговой картинке. Это, с одной стороны, приятно и выгодно, когда нам нужно куда-то сохранить картинку или передать по сети, потому что она занимает меньше места, с другой — неудобно для распознавания. В нашем случае мы видим здесь наклонный штрих (немного с изгибом) в нижней части изображения — отсюда сложно догадаться, но это деталь контура носа с фотографии лица. Так вот, в данном случае нам важны те пиксели, которые составляют этот штрих, важна граница между черным и белым — а едва уловимая игра света в оттенках светло-серого в верхней части квадратика совершенно не важна, и не стоит даже тратить на нее вычислительные ресурсы. Но в этом представлении нам приходится иметь дело со всеми пикселями сразу — каждый из них ничем не лучше другого.
Давайте теперь представим себе другой код. Разложим этот квадратик на линейную сумму других таких же квадратиков, каждый из которых умножен на коэффициент. Можно себе представить, как мы берем много пластин темного стекла с разной прозрачностью, и на каждой пластине нарисованы различные штрихи — вертикальные, горизонтальные, разные. Мы кладем эти пластины стопкой друг на друга, и настраиваем прозрачность так, чтобы получить нечто похожее на наш рисунок — не идеальное, но достаточное для целей распознавания.

Наш новый код состоит из функциональных элементов — каждый из них теперь говорит что-то о присутствии в исходном квадратике какого-то отдельного осмысленного компонента. Видим коэффициент 0.01 у компонента с вертикальным штрихом — и понимаем, что в образце мало «вертикальности» (зато много «косого штриха» — см. первый коэффициент). Если мы независимым образом выберем компоненты этого нового кода, его словарь, то можно ожидать, что ненулевых коэффициентов будет немного — такой код называется разреженным (sparse).
Полезные свойства такого представления можно увидеть на примере одного из приложений под названием denoising autoencoder. Если взять изображение, разбить его на небольшие квадраты размером, допустим, 10×10, и для каждого кусочка подобрать соответствующий код — то мы можем с впечатляющей эффективностью затем очищать это изображение от случайного шума и искажений, переводя зашумленное изображение в код и восстанавливая обратно (пример можно найти, например, здесь). Это показывает, что код нечувствителен к случайному шуму, и сохраняет те части изображения, которые нужны нам для восприятия объекта — благодаря чему мы считаем, что шума после восстановления стало «меньше».

Обратной стороной такого подхода оказывается то, что новый код тяжеловесней — в зависимости от количества компонентов, бывший квадратик 10×10 пикселей может утяжелиться в значительно большей степени. Чтобы оценить масштаб — есть свидетельства того, что зрительная кора головного мозга человека кодирует 14×14 пикселей (размерность 196) с помощью примерно 100000 нейронов.

А еще мы внезапно получили первый уровень иерархии — он как раз и состоит из элементов словаря этого кода, которые, как сейчас можно будет убедиться, представляют собой штрихи и границы. Осталось откуда-то взять этот самый словарь.

Пятиминутка практики

Воспользуемся пакетом scikit-learn — библиотекой для машинного обучения к SciPy (Python). И конкретно, классом (сюрприз) MiniBatchDictionaryLearning. MiniBatch — потому что алгоритм будет не над всем датасетом сразу, а поочередно над небольшими, случайно выбранными пачками данных. Процесс прост и занимает десять строчек кода:

from sklearn.decomposition import MiniBatchDictionaryLearning
from sklearn.feature_extraction.image import extract_patches_2d
from sklearn import preprocessing
from scipy.misc import lena

lena = lena() / 256.0  # тестовое изображение
data = extract_patches_2d(lena, (10, 10), max_patches=1000)  # извлекаем тысячу кусочков 10x10 - обучающую выборку
data = preprocessing.scale(data.reshape(data.shape[0], -1))  # rescaling - сдвигаем значения симметрично нуля, и чтобы стандартное отклонение равнялось 1
learning = MiniBatchDictionaryLearning(n_components=49)
features = learning.fit(data).components_

Если нарисовать то, что лежит в features, получится примерно следующее:

Вывод через pylab
import pylab as pl

for i, feature in enumerate(features):
    pl.subplot(7, 7, i + 1)
    pl.imshow(feature.reshape(10, 10),
              cmap=pl.cm.gray_r, interpolation='nearest')
    pl.xticks(())
    pl.yticks(())

pl.show()


Тут можно ненадолго остановиться и вспомнить, зачем мы все это изначально делали. Мы хотели получить набор достаточно независимых друг от друга «строительных кирпичиков», из которых складывается изображенный объект. Чтобы этого добиться, мы нарезали много-много маленьких квадратных кусочков, прогнали их через алгоритм, и получили, что все эти квадратные кусочки можно с достаточной степенью достоверности для распознавания представить в виде композиции вот таких компонентов. Поскольку на уровне 10×10 пикселей (хотя, конечно, зависит от разрешения картинки) мы сталкиваемся только с краями и границами, то их же и получаем в результате, все — с необходимостью разные.
Это закодированное представление мы можем использовать в качестве детектора. Чтобы понять, является ли случайно выбранный кусок картинки краем или границей, мы берем его и просим scikit подобрать эквивалентный код, вот так:

patch = lena[0:10, 0:10]
code = learning.transform(patch)

Если какой-нибудь один из компонентов кода имеет достаточно большой коэффициент по сравнению с остальными — то мы знаем, что это сигнализирует от присутствии соответствующего вертикального, горизонтального или еще какого-нибудь штриха. Если все компоненты примерно одинаковы — значит, в этом месте на картинке однотонный фон или шум, который интереса для нас не представляет.

Но мы хотим двигаться дальше. Для этого понадобится еще несколько преобразований.
Итак, любой фрагмент размера 10×10 теперь можно выразить последовательностью из 49 чисел, каждое из которых будет означать коэффициент прозрачности для соответствующего компонента на картинке выше. А теперь возьмем эти 49 чисел и запишем в форме квадратной матрицы 7×7 — и нарисуем то, что получилось.
А получилось следующее (два примера для наглядности):

Слева — фрагмент оригинального изображения. Справа — его кодированное представление, где каждый пиксель — уровень присутствия в коде соответствующего компонента (чем светлее, тем сильнее). Можно заметить, что на первом фрагменте (верхнем) нет четко выраженного штриха, и его код выглядит смешением всего подряд в слабой бледно-серой интенсивности, а на втором четко присутствует один компонент — а остальные все равны нулю.

Теперь, чтобы обучить второй уровень иерархии, возьмем из оригинальной картинки фрагмент побольше (так, чтобы в него помещалось несколько маленьких — скажем, 30×30), разрежем его на маленькие фрагменты и представим каждый из них в кодированом варианте. Потом состыкуем обратно вместе, и на таких данных обучим еще один DictionaryLearning. Логика простая — если наша первоначальная идея правильна, то находящиеся рядом края и границы должны тоже складываться в устойчивые и повторяющиеся сочетания.

То, что получилось в результате на примере, не выглядит чем-то осмысленным на первый взгляд, но это только на взгляд. Вот, например, что получается во втором уровне иерархии, которую тренировали на человеческих лицах.

многовато картинок как-то

Тут, правда, размер фрагмента выбран побольше — 25×25 вместо 10×10. Одна из неприятных особенностей этого подхода — необходимость самому настраивать размер «минимальной смысловой единицы».


Некоторые трудности возникают с тем, чтобы нарисовать полученный «словарь», потому что второй уровень обучается на коде первого, и компоненты его будут выглядеть как пестрое крошево точек с рисунка выше. Для этого нам нужно сделать еще один шаг вниз — снова разбить эти компоненты на части, и «раскодировать» их при помощи первого уровня, но здесь этот процесс детально рассматривать не будем.

А дальше уровни наращиваются до тех пор, пока это необходимо, по совершенно такому же принципу. Вот, например, третий. И тут мы уже видим что-то интересное:

Каждое лицо здесь — фича размером 160×160. В нашем распоряжении несколько наиболее встречающихся расположений — фронтальное, пол-оборота направо и налево, плюс разные цвета кожи. При этом каждая фича имеет под собой еще два слоя, которые, во-первых, позволяют быстро проверять тестовые изображения на валидность, а во-вторых, дают дополнительное количество свободы — контуры и границы могут отклоняться от идеальных линий, но пока они остаются в рамках фич своего уровня, у них есть возможность просигнализировать о своем присутствии наверх.
Not bad.

И что — все, мы победили?

Очевидно, нет. На самом деле, если запустить тот же скрипт, которым я рисую все эти наборы, на искомом датасете про кошек и собак, картина будет крайне удручающая — уровень за уровнем нам будет возвращаться примерно одни и те же фичи, изображающие слегка изогнутые границы.


ок, это точно последняя

Одну собачью морду получилось заловить, но это чистая случайность — потому что похожий силуэт встретился в выборке, допустим, два раза. Если запустить скрипт еще раз, она может не появиться.


Наш подход страдает из-за того же, за что мы раскритиковали обычные feed-forward нейронные сети. DictionaryLearning в процессе обучения пытается искать некоторые общие места, структурные компоненты выбранных фрагментов картинки. В случае с лицами у нас все получилось, потому что они более-менее похожи друг на друга — вытянутые овальные формы с некоторым количеством отклонений (а несколько уровней иерархии дает нам больше свободы в этом отношении). В случае с котиками — уже не получается, потому что во всем датасете с трудом можно отыскать два похожих силуэта. Алгоритм не находит ничего общего между картинками в тестовой выборке — исключая первые уровни, где мы все еще имеем дело со штрихами и границами. Фэйл. Опять тупик. Потрачено.

Идеи на будущее

На самом деле, если подумать — выборка с большим количеством разных котиков хороша в том плане что охватывает разнообразие пород, поз, размеров и окрасок, но возможно, не слишком удачна для обучения даже нашего с вами интеллекта. В конце концов, мы учимся скорее методом многократных повторений и наблюдения за объектом, а не быстрым проглядыванием всех возможных его вариаций. Чтобы научиться играть на фортепиано, нам приходится постоянно играть гаммы — а было бы неплохо, если бы для этого достаточно было бы прослушать тысячу классических произведений. Итак, идея номер раз — уйти от разнообразия в выборке и сконцентрироваться на одном объекте в одной и той же сцене, но, скажем, в разных позициях.

Идея номер два вытекает из первой, и озвучивалась уже многими, в том числе упомянутым Джеффом Хокинсом — попытаться извлечь пользу из времени. В конце концов, разнообразие форм и поз, которое мы наблюдаем у одного объекта, мы видим во времени — и можем, для начала, группировать последовательно поступающие картинки, считая, что на них изображен один и тот же кот, просто каждый раз в несколько новой позе. А это значит, что нам, как минимум, придется кардинально сменить обучающую выборку, и вооружиться роликами с ютуба, найденными по запросу «kitty wakes up». Но об этом — в следующей серии.

Посмотреть на код

… можно на

гитхабе

. Запуск через python train.py myimage.jpg (можно также указать папку с картинками), плюс дополнительные параметры настройки — количество уровней, размер фрагментов и т.д. Требует scipy, scikit-learn и matplotlib.

Полезные ссылки и что еще можно вводного почитать про deep learning

  • A Primer on Deep Learning — информативный пост с историей вопроса, кратким введением и гораздо более красивыми картинками.
  • UFLDL Tutorial — туториал от уже упоминавшегося Andrew Ng из Стэнфорда — to get your hands dirty. Здесь буквально все, чтобы познакомиться с тем, как это работает — введение, математика процесса, параллели с feed-forward сетями, иллюстрированые примеры и упражнения в Matlab/Octave.
  • Бесплатная онлайновая книга Neural Networks and Deep Learning — к сожалению, еще не закончена. В достаточно популярном виде описывает основы, начиная с перцептронов, моделей нейронов и т.д.
  • Джоффри Хинтон рассказывает про новые поколений нейронных сетей
  • Последний talk с Хокинсом, где он вкратце излагает примерно то же, что в своей книге, но больше конкретики. О том, что должен уметь интеллектуальный алгоритм, что известные свойства человеческого мозга говорят нам про это, чем нас не устраивают нейронные сети, и чем полезен sparse coding.

Кот делает селфи на фоне собак, или как Мэнни с собаками покорил Инстаграм

 

Кошка по праву заслужила титул «Мисс фотогеничность». Как бы она ни присела, как бы ни легла — всё грациозно, всё очаровательно, всё красиво. Каждый её шаг заслуживает того, чтобы остаться в истории.

Популярность кошачьего селфи

Только вот хозяин-фотограф не всегда бывает рядом. И по мнению мурлык, зачастую пропускает самые важные моменты их жизни. Вот она поймала мышку, вот поставила на место соседскую собаку, вот принимает первые в этом сезоне солнечные ванны — а запечатлеть или некому, или всем просто лень. Приходится брать дело в свои цепкие лапы!

Автопортреты мурлык — явление уже отнюдь не редкое. Англичанин Чарли Эллис даже издал книгу «Кошачье селфи», в которую включил самые удачные фото кошек со всего мира. А программисты выпустили специальное приложение для планшетов, которое облегчает усатым фотографам процесс сьёмки.

Селфи кота на фоне собак

Впрочем, кот Мэнни справляется и без него. Себя любимого он снимает на GoPro камеру и выкладывает в Инстаграм. Эту чудо-вещь кот однажды увидел в руках у хозяина, заинтересовался и протянул к ней лапу. Селфи вышло настолько удачным, что фотография для кота стала хобби, а излюбленным жанром, естественно автопортрет.

Ну разве не хорош?! Ну разве может быть более достойный объект для фотосьемки? Иногда из кошачьего благородства кот делает селфи на фоне собак соседей. Пусть стоят сзади и оттеняют его красоту.

А это уже не просто соседи, это его телохранители! Селфи кота с собаками собирают в сети миллионы лайков. И как каждой уважающей себя звезде, Мэнни требуется хорошая охрана!

Слава растёт — к телохранителям добавился личный пресс-секретарь. Он ревностно следит, чтобы в прессу не просочилась информация о том, что на кнопку фотоаппарата на самом деле жмёт не кот, а его хозяин. А Мэнни лишь протягивает лапу.

Естественно, у звезды тут же появилась и поклонница. Но на передний план любимую фотограф пока не выпускает, проверяет её чувства! А вдруг она с ним только ради того, чтобы самой прославиться!

 

Как настоящий профи, Мэнни знает: самый выигрышный свет для портретов — предзакатный.

Небо — неплохой задний фон.

Если залезть на пенёк, то будешь казаться выше!

Прекрасный автопортрет в резной снежной раме.

А это лотерейный билет как символ того, что Мэнни повезло вытянуть в жизни счастливый квиточек: увидеть GoPro камеру, освоить её и прославиться на весь интернет!

Фото: @yoremahm/instagram

Татьяна Ларионова

 

«Яндекс» рассказал о самых популярных запросах про кошек и собак

Аналитики «Яндекса» изучили, что пользователи поисковика спрашивают про кошек и собак и как изменился интерес к этим животным с 2010 года

Каждый месяц поступает около 14 млн запросов про кошек и более 11 млн — про собак.

Читайте также:

Почти четверть запросов связана с питанием и здоровьем питомцев, примерно настолько же часто люди спрашивают о мультфильмах, книгах и других произведениях, в названиях которых есть кошки и собаки. Смешные видеоролики и картинки с этими животными ищут значительно реже, при этом кошки популярнее собак.

В топ-10 популярных запросов о кошках попали следующие темы:

1. Произведения и персонажи
2. Здоровье и питание
3. Ролики и картинки
4. Порода
5. Взаимодействие с человеком («как посвятить день коту, чтобы ему понравилось», «что делать, если кот пометил телевизор»)
6. Приобретение
7. Эзотерика («к чему снится черный кот», «переселение сущностей из человека в кота»)
8. Рисунки и поделки
9. Вещи («как сделать для кота шапку из носка»)
10. Общие вопросы («чем мурлыкают кошки», «почему у кошек такие глаза»)

В десятку популярных запросов о собаках вошли темы:
1 Здоровье и питание
2. Произведения и персонажи
3. Приобретение
4. Порода
5. Взаимодействие с человеком («купили щенка, что дальше?», «почему собака не серьезная»)
6. Ролики и картинки
7. Вещи
8. Эзотерика («почему собака кидается на ведьму, когда та приходит к нам», «мужчина-Козерог-Собака какой он», «сонник приснился щенок писает»)
9. Общие вопросы («в какой стране собака лает «жаб-жаб»», «зачем царям маленькие собаки», «почему кинологи занимаются собаками, а не кино»)
10. Услуги

Читайте также:

Аналитики выявили, что с 2010 года процент запросов про кошек от всех запросов вырос почти в полтора раза, про собак — на 16%. Резкий рост числа запросов объясняется выходом мультфильмов, появлением игр и аналогичными событиями.

«Если в 2010 году запросов со словом «кошка» было почти в два раза больше, чем со словом «кот», то сейчас коты встречаются в поисковых запросах на 20% чаще, чем кошки. Похоже, что раньше котов, кошек и котят чаще называли «кошками», а теперь, увидев их на улице, скорее скажут: «Смотрите, коты»», — отметили в пресс-службе «Яндекса».

  • © Графика «Яндекса»

  • © Графика «Яндекса»

  • © Графика «Яндекса»

Как сообщали Юга.ру, ранее «Яндекс» проанализировал статистику запросов, связанных с приготовлением пищи, которая показала, что чаще всего россияне ищут рецепты блюд из курицы и картошки.

Аналитики также выясняли, что снится россиянам. Так, жители Чечни чаще других видят во сне Путина, а кубанцы — раков.

Как определить возраст кошки или собаки

Точная дата рождения кошек и собак с улиц и из приютов часто неизвестна. Но выяснить примерный возраст животных сможет даже неспециалист.

Как определить возраст котёнка по внешним признакам

У совсем маленьких котят, которые ещё не открыли глаза, нужно в первую очередь осмотреть живот. Если пуповина влажная, красноватая или коричневая, а шерсть мокрая или покрыта слизью, то котёнок родился несколько часов назад. Если на месте пуповины виден сухой хвостик, значит, малышу от нескольких часов до недели. А небольшой розовый шрам говорит о том, что пуповина отпала и животному от недели до двух.

Новорождённый котёнок. Фото: Jacopo Werther / Wikimedia Commons

Глаза котята открывают на 5–10‑й день. Многое зависит от породы: например, мейн‑куны могут сделать это уже на вторые‑третьи сутки и их помеси иногда наследуют такое свойство.

Котята‑мейн‑куны, у которых уже открылись глаза. Фото: File Upload Bot (Magnus Manske) / Wikimedia Commons

Чем младше котёнок, тем более мутный цвет имеет радужная оболочка его глаз. К полутора месяцам оттенок обычно начинает меняться, и к 3–6‑му месяцу становится из голубого коричневым, зелёным или жёлтым.

У питомцев возрастом до двух недель маленькие, прижатые к черепу уши, а голова кажется непропорционально большой. Но примерно к двум месяцам уши поднимаются и становятся нормального размера, а тело вытягивается.

Лапы у малышей короткие и слабые, могут не выдерживать веса тела, поэтому котята сначала ползают, затем, к трём неделям, ходят, пошатываясь. Примерно к месяцу они начинают передвигаться более уверенно, а в полтора‑два — бегать и прыгать.

Четырёхнедельный котёнок. Фото: famkefonz/Flickr

Слух и зрение у котят до 2–3 недель ослаблены, поэтому они не проявляют большого интереса к внешнему миру и раздражителям. Позднее же малыши становятся более игривыми и любопытными.

Также до 2–4 месяцев кошки могут откусывать котятам вибриссы, которые помогают ориентироваться в пространстве. Таким образом взрослые животные ограничивают передвижения детёнышей. Но примерно к пяти месяцам эти волоски отрастают.

Если котята живут с матерью, то к 6 неделям кошка начинает отучать их от груди. К 8–10 неделям малыши могут питаться полностью самостоятельно. Иногда котёнок готов сосать грудь и дольше, а если он остался без матери, то быстрее переходит на «взрослую» еду.

После 6 недель кошка начинает отлучать детёнышей от груди. Фото: Max Pixel

К году‑полутора тело питомца заканчивает формироваться и уже имеет пропорции взрослого животного. Но коты до 2,5 года могут продолжать раздаваться в плечах, груди и щеках.

Как определить возраст котёнка по зубам

У новорождённых котят дёсны голые. Верхушки молочных резцов появляются ко второй неделе, к концу четвёртой‑пятой становятся полностью видны. В 3–8 недель прорезываются клыки, в 5–12 — премоляры. Всего у котёнка вырастает 26 молочных зубов.

В 3–5 месяцев зубы у малыша начинают меняться. Процесс стартует с первых и вторых резцов, затем вырастают премоляры и моляры, а последними — клыки.

Котёнок с молочными и постоянными клыками. Фото: Jacek Halicki / Wikimedia Commons

Смена зубов завершается в 7–9 месяцев, но это может случиться на месяц‑другой раньше или позже. Всё зависит от питания и индивидуальных особенностей животного.

Постоянных зубов у котов 30: 12 резцов, 4 клыка, 10 премоляров и 4 моляра.

Схема зубов у кошек. Изображение: Лайфхакер

Как определить возраст взрослой кошки

Здесь первый признак возраста также состояние зубов.

Обычно у годовалых котов и кошек крепкие, идеально белые зубы. К полутора годам на них начинает появляться налёт, в 2–3 года порой образуется зубной камень.

Кот в возрасте 2–3 лет: зубы немного желтоватые. Фото: PxHere

Центральные и средние резцы на нижней челюсти начинают стираться к двум годам. На верхней челюсти в 3–3,5 года стачиваются бугорки на центральных резцах, к 4–4,5 года — на средних. Ещё через полгода‑год стираются клыки.

После 5,5–6,5 года у кошек можно заметить стачивание крайних резцов на верхней челюсти. Ещё через год — центральных резцов на нижней челюсти.

У восьмилетнего кота стираются средние резцы на нижней челюсти. У девятилетнего — центральные, а затем и средние резцы на верхней челюсти.

К 10–11 годам центральные и средние резцы на нижней челюсти могут выпасть. За ними следуют все резцы на верхней челюсти, а потом и клыки.

Все сроки примерные и зависят от диеты, состояния здоровья и особенностей ухода за животным. Например, у кошек, которые питаются сырым мясом и костями, зубы могут очищаться естественным образом. У животных с диабетом, заболеваниями печени и почек эмаль часто желтеет и покрывается зубным камнем, и это порождает неприятный запах из пасти.

Ещё один косвенный признак возраста — цвет усов. У котов после 7 лет они часто теряют пигментацию, а к 9 годам могут поседеть.

Обратите внимание и на состояние шерсти. У молодых животных она гладкая, блестящая, но с возрастом тускнеет. Впрочем, это тоже дополнительный признак. У кошек, которые живут на улице или плохо питаются, шерсть может висеть клочьями, сбиваться в колтуны, словом быть в достаточно плохом состоянии. Но после нескольких месяцев домашней жизни и правильной диеты покров восстановится.

Как определить возраст щенка по зубам

Молочные клыки у щенков начинают резаться примерно в 3–4 недели, а в 4–7 недель появляются молочные резцы и премоляры. К восьми неделям у малышей обычно можно полностью или частично рассмотреть все 28 зубов.

Схема развития зубов у собак. Изображение: Лайфхакер

К 4–5 месяцам молочные зубы у щенков начинают меняться. К пяти месяцам прорезываются первые моляры, к шести — вторые, к семи — третьи. К восьми месяцам обычно вырастает полный комплект коренных зубов — улыбка «на все 42».

У щенка видны все постоянные зубы. Фото: Glittermist / Pixabay

Как определить возраст собаки по зубам

Для взрослых собак действует примерно та же схема, что и для кошек.

У годовалого пса зубы чистые, белые, блестящие — практически как в рекламе зубной пасты. К двум годам можно заметить стирание бугорков на передних резцах нижней челюсти, к четырём — на передних резцах верхней челюсти. В этом возрасте зубы всё ещё белые, но не так блестят. А если собака ест мало жёсткой пищи и не посещает профилактические чистки зубов у ветеринара, то порой можно заметить на эмали налёт и камень.

К пяти годам бугорки стираются на всех резцах, а клыки притупляются. В шесть лет уже нельзя различить крупные бугорки на молярах и премолярах, а нижние резцы могут выгнуться кнаружи.

Собаке лет 5–6: зубы жёлтые и немного стёртые. Фото: Rawpixel

В 8–10 лет бугорки стираются на всех зубах, а клыки стачиваются практически до уровня резцов. У собак старше десяти лет стираются коронки, может нарушаться прикус, а затем зубы начинают выпадать.

Но это опять же примерные цифры. Многое зависит от породы, состояния и индивидуальных особенностей животного.

Как определить возраст собаки по внешним признакам

Эти способы можно использовать в дополнение к оценке состояния зубов — они не настолько точны.

У щенков до года шерсть мягкая, нежная, может быть пушистой или кудрявой, даже если взрослые собаки этой же породы гладкошёрстные. В 2–3 года мех блестит, хорошо расчёсывается, у большинства питомцев редко образуются колтуны.

К 6–7 годам состояние шерсти ухудшается, она становится тусклой и ломкой. На морде могут появляться седые волоски, но на их количество в большей степени влияют особенности породы и индивидуальные характеристики собаки.

Недельные щенки. Фото: wsilver / Flickr

Второй признак — глаза. У щенков они обычно открываются на 10–18‑й день. Сначала радужная оболочка мутная, серо‑синего цвета, но постепенно она меняется и к 2–3 месяцам становится яркой, блестящей. С годами взгляд мутнеет, потому что хрусталик теряет прозрачность.

Щенку 1,5–2 месяца, радужная оболочка серо‑синего цвета. Фото: JACLOU‑DL / Pixabay

Щенки встают на лапы в возрасте около двух недель, а к месяцу делают первые шаги. К 1,5–2 месяцам они уже уверенно ходят и пытаются бегать.

К 1–1,5 года у собак развивается мускулатура, мышцы гладкие и упругие. К 8–9 годам они становятся дряблыми, живот опускается, спина округляется, морда седеет, на суставах могут появиться мозоли. Но процесс старения зависит от породы, состояния здоровья и индивидуальных особенностей.

К 8–9 годам морда собаки седеет. Фото: Max Pixel

Как соотносится возраст животных и человека

Принято считать, что год жизни кошки или собаки соответствует шести–семи человеческим. Но эта формула неверна.

В середине ХХ века французский ветеринар Лебо провёл исследование, в рамках которого оценивал состояние собак различных пород, продолжительность их жизни, размеры, психоэмоциональные характеристики и другие факторы. В результате Лебо пришёл к выводу, что первый год собачьей жизни соответствует 15 человеческим. К концу второго года питомцу исполняется около 24 наших лет, затем он взрослеет за один свой год на четыре года по людским меркам.

Позднее исследователи выяснили, что такая шкала справедлива только для собак мелких пород. Специалисты Американской ассоциации ветеринарной медицины привели примеры расчёта возраста в зависимости от размера животного. К представителям мелких пород они отнесли питомцев с массой тела до 9 кг, к средним — 9–23 кг, к крупным — 24–40 кг, к очень крупным — 41 кг и более. Вот какое соотношение вывели эксперты:

Возраст собаки Возраст человека
7 лет От 44 до 56 лет
10 лет От 56 до 78 лет
15 лет От 76 до 115 лет
20 лет От 96 до 120 лет

Для кошек темпы старения не зависят от размера. Вот как соотносят их возраст с человеческим:

Возраст кошки Возраст человека
7 лет 54 года
10 лет 63 года
15 лет 78 лет
20 лет 97 лет

Ещё более точную шкалу приводят специалисты медицинского факультета Калифорнийского университета в Сан‑Диего. Они утверждают, что первый год жизни собаки соответствует 30 годам для человека, 4 года — 53 годам, 9 лет — 66 годам.

Соотношение возраста собак и людей. Изображение: Cell Systems

Такое сравнение даёт понять, как обращаться с собакой и как за ней ухаживать. Например, молодым питомцам нужно больше физической активности, а пожилым необходимы специальная диета и регулярные прогулки, которые помогут поддерживать форму.

Читайте также 🐕🐈🐾

Как фотографировать нескольких домашних животных

Многие фотографы домашних животных живут ради полезного опыта создания успешных портретов домашних животных своих клиентов. С полезным опытом приходят проблемы и давление, связанное с удовлетворением владельцев домашних животных. При съемке одного питомца фотографы используют множество советов и приемов, чтобы все получилось как надо. Однако при съемке нескольких домашних животных, как одного, так и разных типов, фотографы вынуждены корректировать свои методы или применять разные методы для получения наилучших изображений.Вот пять техник, которые вы можете использовать при съемке нескольких домашних животных.

 

ВРЕМЯ РЕШАЕТ ВСЁ

До дня сеанса обсудите с владельцем идеальное время для вашего прибытия. Запланируйте сеанс в соответствии с графиком домашних животных, где вы работаете с ними, когда они не готовы ко сну или к полноценной игре. Попросите владельца вывести животных на прогулку примерно за тридцать минут до вашего прихода, чтобы они не были слишком энергичными.

 

РАССЛАБЬТЕСЬ И ОТПУСТИТЕ ИХ

Иногда самые лучшие и захватывающие образы получаются, когда вы позволяете собакам свободно бегать и играть вместе.Их можно взять либо в огороженном дворе, либо в доме. Если запечатлеть собак в их веселой стихии, сделав несколько снимков на их уровне, вы получите фотографии, которые наверняка заставят клиента улыбнуться от удовольствия. Эти изображения действительно покажут дух собак в их естественном взаимодействии друг с другом. Расслабление и предоставление собакам большей свободы позволит вам немного передохнуть, прежде чем вы начнете делать снимки в более структурированной обстановке с установленными позами. Причина, по которой эти фотографии должны быть сделаны в начале сеанса, заключается в том, что если у вас в руках вкусные угощения, или если они думают, что у вас есть, то они не могут возиться и играть; они не могут покинуть вашу сторону! Кроме того, они склонны сжигать энергию, когда им дают немного свободы.

Dog Cat Vintage Retro Photo Shirt, Custom Photo Shirt — GeckoCustom

Это означает, что, когда вы размещаете свой заказ, мы печатаем эти предметы только для вас, по одному для наилучшего качества!

Мы работаем с разными художниками и производителями по всему миру. Это причина указанных ниже сроков доставки. Имейте в виду, что это также причина, по которой мы можем предложить такие удивительные цены на нашу продукцию.

Чтобы оценить, когда вы можете ожидать свой заказ, пожалуйста, обратитесь к временным рамкам ниже. Он включает в себя наши самые популярные продукты и следующие периоды времени:

—  Время производства : время, в течение которого ваш заказ ожидает в производственной очереди, пока не будет произведен. Наш график производства может меняться ежедневно в зависимости от общего объема заказа.
—  Время доставки : с момента передачи посылки в компанию по доставке до ее прибытия в пункт назначения.

Плата за международную доставку : Имейте в виду, что при получении вашего заказа местный перевозчик может взимать с вас дополнительную плату (которая не может контролироваться продавцом) в зависимости от правил вашей страны.

Примечание:   В высокий сезон посылка может прибыть с опозданием, чем ожидалось. Приносим извинения за причиненные неудобства и надеемся, что вы нас понимаете.

Ориентированное время прибытия (рабочие дни)

2 — 4 дня 5 Знак двора 2 5 — 7 дней

Время производства 9002

Время доставки (регионы США)
деревянные 5 7 дней 7 — 12 дней
2 — 4 дня 5 — 7 дней 5 — 7 дней
кружка 2 — 4 дней 5 — 7 дней
Орнамент 3 — 5 дней 5 — 7 дней
3 — 5 дней 5 — 7 дней 5 — 7 дней 5 — 7 дней
Flece Office 5 — 7 дней 6 — 8 дней
сад Флаг 5–7 дней 10–15 дней
Дверная витрина 5–7 дней 10–15 дней
6 — 8 дней
ключевой цепочки
3 — 5 дней 3 — 5 дней 10 -15 дней
фоторамка 4 — 6 дней 12-17 дней
Каменный шифер 3 — 5 дней 12 — 15 дней
3 — 5 дней 3 — 12 дней 10 — 12 дней
домашних животных 1 — 3 дня 5 — 7 дней
Poster 1 — 3 дня 5 — 7 дней 5 — 7 дней
SOCKS 3 — 5 дней 12 — 15 дней
WindMimes 3 — 5 дней 12 — 15 дней
Декоративная подушка 5–6 дней 6–8 дней

 

Для международной доставки товаров: -3 недели.Пожалуйста, не стесняйтесь обращаться в нашу службу поддержки клиентов, чтобы получить более подробную информацию о ваших проблемах.

ОТСЛЕЖИВАНИЕ ЗАКАЗА

Вы получите подтверждение по электронной почте со ссылкой для отслеживания, чтобы вы могли следить за своим заказом всю дорогу домой! Пожалуйста, подождите 5-7 дней, пока перевозчик просканирует вашу посылку в своей системе.

Если вы пытаетесь отследить свою посылку, а информация отсутствует, это просто означает задержку с обновлением информации в системе, пожалуйста, не беспокойтесь.
Если срок вашего предполагаемого прибытия истек, пожалуйста, не стесняйтесь обращаться к нам, чтобы решить эту проблему за вас.

НЕПРАВИЛЬНЫЙ АДРЕС

Убедитесь, что вы указали правильный адрес при оформлении заказа, потому что мы не несем ответственности, если ваш заказ будет доставлен по неправильному адресу.

Если вы обратитесь к перевозчику последней мили после того, как заказ покинул наш склад, и попросите его переслать или перенаправить вашу посылку, мы не несем ответственности, если эта посылка будет утеряна, украдена или повреждена.

ПОЖАЛУЙСТА, ОБРАТИТЕ ВНИМАНИЕ:

1. Вышеуказанные временные рамки применяются только для заказов на US со стандартным способом доставки.
2. Большинство наших заказов обрабатываются и отправляются в указанные выше сроки. Однако указанный выше период времени является приблизительным и может отличаться в отдельных случаях. Для некоторых товаров/заказов (тяжеловесные товары) может потребоваться более длительное время отправки и/или доставки.
3. Из-за непредвиденных затруднений с доставкой у наших поставщиков, а также у компаний, занимающихся доставкой, поставки могут иметь некоторые непредвиденные задержки.Приносим извинения за доставленные неудобства.
5.  Международные заказы : Это может занять дополнительные дни, если заказы должны пройти таможню. Мы не имеем никакого влияния на таможенный процесс и приносим извинения за любые неудобства, связанные с задержкой доставки в связи с этим.

6. Поскольку товар изготавливается на заказ, он будет отправлен сразу же, как только будет готов.Поэтому имейте в виду, что ваш заказ может быть отправлен отдельно. Мы возьмем на себя дополнительные расходы по доставке, чтобы доставить вам все готовые изделия в кратчайшие сроки.

11 советов, как профессионально фотографировать собаку или кошку

Для того, чтобы ваши снимки выделялись среди остальных, придавая им профессиональный вид, включение нескольких творческих элементов может сделать именно это. Владельцы домашних животных часто спрашивают меня, как получить наилучшие снимки своих пушистых питомцев с помощью обычной камеры.

Если вы заботливый владелец домашних животных, то, скорее всего, для вас важно иметь значимые изображения, которыми вы можете поделиться со своими близкими в Интернете, иметь идеально оформленные изображения в вашем доме или на рабочем месте и даже делиться ими с другими на праздничные открытки и различные предметы для отображения вашего изображения.

Это исчерпывающее руководство с советами для вас, чтобы получить лучшие фотографии вашего питомца, даже если вам иногда сложно заставить своего питомца «позировать».

Совет №1. Время решает все

Когда вы будете готовы сфотографировать любимого пушистого человека, помните о его личности.Знание того, что делает вашу собаку уникальной по сравнению с другими животными, позволит вам сосредоточиться на ее истинной личности и, таким образом, отразить ее естественный дух в каждом изображении.

Совет №2. Окружающая среда имеет важное значение

Еще один совет для получения наилучших изображений вашего питомца — держать его в покое. Сфотографировав его в его зоне комфорта, вы сможете сделать широкий спектр снимков без препятствий, которые возникают с нервными и встревоженными кошкой или собакой. Найдите место, которое, как вы знаете, нравится вашему питомцу и где вы вместе создали воспоминания.

Совет №3. Освещение

С точки зрения лучшего освещения для получения превосходных изображений, пасмурные дни идеально подходят для фотографирования вашего питомца на улице. Освещение в пасмурную погоду постоянное и ровное, создает идеальные мягкие тени и позволяет собакам или кошкам с более темной шерстью выглядеть наилучшим образом. Вместо того, чтобы фотографировать при ярком солнечном свете, создающем резкий эффект тени, вы также можете выйти на улицу ранним утром или поздним вечером, чтобы насладиться теплым светом.Кроме того, держитесь подальше от вспышки, так как она может напугать вашего питомца, а также вызвать раздражающий эффект красных глаз.

Совет для профессионалов : Если вам необходимо использовать вспышку (в случаях, когда у вас нет естественного освещения), попробуйте использовать выносную вспышку или поверните луч света вверх, чтобы он не падал прямо на лицо ( а точнее глаза!) Кроме того, кусок вощеной бумаги, помещенный перед вспышкой, рассеет яркий свет. Возможно, вам придется потренироваться несколько раз, чтобы добиться нужного результата.

Совет №4. Познакомьте свою собаку или кошку с камерой

Позвольте вашему питомцу ощутить звуки и вспышки вашей камеры, позволив ему послушать их, прежде чем вы начнете фотосессию. Погуляйте с собакой немного и сделайте различные снимки окружающей обстановки, чтобы она привыкла к незнакомым звукам и тому подобному. Кроме того, дайте ему хорошенько понюхать! Как только вы начнете фотографировать его, вознаградите его небольшим угощением между снимками и похвалите его за хорошо выполненную работу.

Совет №5. Будьте внимательны к своему окружению

Фон должен быть простым и минималистичным; вам обязательно захочется внимания к питомцу. Менее отвлекающий фон может включать красивый и открытый участок зелени и пышной травы на открытом воздухе, а для снимков в помещении идеально подойдет хорошо освещенная комната с белыми стенами и нейтральным ковром или ковриком. Конечно, для оптимальной привлекательности вам не следует видеть людей или грязный и загроможденный фон. Если вы не можете найти чистый фон, просто размойте фон с открытой диафрагмой.

Совет профессионала : Съемка крупным планом с равномерно размытым фоном делает фотографии профессиональными. Просто выберите режим приоритета диафрагмы на своей камере и установите его, а затем установите объектив на самую широкую диафрагму. Для хорошего объектива с диафрагмой f/2,8 или для действительно светосильного фикс-объектива она может быть равна f/1,4; на китовом объективе обычно это будет f/3.5. Цифры будут варьироваться в зависимости от камеры. Подойдите ближе к собаке и держите ее на расстоянии нескольких футов от фактического фона.Чем дальше он от фона, тем размытее будет фон, и наоборот. Чтобы сделать лицо более сфокусированным, закройте диафрагму на пару ступеней f или немного уменьшите масштаб.

Приоритет диафрагмы при f/2,8. Выборочный фокус на глазах.

Совет № 6. Станьте на один уровень с вашим питомцем

Наклонившись, чтобы вы могли смотреть своему питомцу в глаза, вы получите лучшие результаты. Когда вы делаете снимки, когда вы смотрите на своего питомца сверху вниз, у вас будут снимки, которые будут слишком далекими и не будут выглядеть так, как если бы вы сфокусировались на своем объекте.Когда вы находитесь на их уровне, ваши фотографии будут с точки зрения собаки, а не с «человеческой точки зрения», и будут гораздо более привлекательными для зрителя.

Совет профессионала : Наколенники — отличное решение для предотвращения любых болезненных ощущений!

Совет №7. Теперь будьте ближе

Домашние животные любят привлекать внимание и играть с ними, в том числе во время фотосессии. Хотя совершенно нормально позволить каждому увидеть собаку целиком на фотографиях, людям нравится рассматривать снимки крупным планом с разных ракурсов.Различные ракурсы и сверхкрупные фотографии подчеркивают мелкие детали вашего питомца, которые в противном случае люди не заметили бы, такие как эти милые веснушки вокруг его усов, его влажный и блестящий нос и эти розовые подушечки на его лапах.

Если ваш питомец слишком много двигается или вам сложно подойти близко во время его фотографирования, купите зум-объектив. Зум-объектив создаст впечатление, будто вы находитесь рядом с собакой, и в то же время позволит вам раскрыть ее истинную индивидуальность и тонкие черты лица.

Дополнительным преимуществом большого фокусного расстояния является то, что оно поможет изолировать вашего питомца с точки зрения глубины резкости (т. е. даст вам хороший размытый фон, чтобы ваш питомец был в центре внимания и не отвлекался).

Совет №8. Attention-Getters

Лакомства, игрушки, пищалки и шумовые устройства позволят вам привлечь и удержать внимание вашей собаки. Держите их близко к объективу и перемещайте их вокруг объектива, чтобы он не отводил от вас глаз, и не стесняйтесь издавать различные лающие звуки и шумы, чтобы он не отвлекался.Играйте вместе с ними и делайте их счастливыми, и вы будете удерживать их внимание в течение более длительного периода времени.

Совет профессионала : используйте маленькие лакомства, чтобы не перекормить его.

Совет №9. Заморозка движения

Великолепные динамичные кадры могут быть потрясающими благодаря короткой выдержке. Многие из представленных сегодня на рынке цифровых камер легко позволяют делать снимки в полностью ручном режиме, который обеспечивает хорошее сочетание выдержки и диафрагмы. Вы также можете работать в режиме приоритета выдержки, который позволяет вам выбирать скорость затвора, в то время как камера подстраивается под идеальную диафрагму.Спортивный режим — еще одна альтернатива остановке действия; он работает, автоматически выбирая самую короткую скорость затвора в каждой ситуации.
Убедившись, что вы и ваша камера всегда готовы быть на шаг впереди действий вашего питомца, вы получите самые точные снимки, и вы даже можете использовать режим серийной съемки для многих последовательных и быстрых снимков.

Совет №10. Делайте много снимков и награждайте их за это

Не думайте, что вы делаете слишком много снимков, так как этого никогда нельзя делать! Помните о дополнительной батарее и просто получайте удовольствие.Чем больше снимков вы сделаете, тем больше шансов получить идеальные снимки вашего пушистого малыша. Вознаградите его за хорошо выполненную работу перед камерой! Много похвалы и маленьких угощений действительно могут помочь, а также могут укрепить связь между вами двумя.

Совет №11. Терпение и уверенность

Не забывайте вовремя останавливаться и дышать, особенно в то время, когда ваш питомец очень активен. Терпение необходимо при фотографировании вашего питомца, и будут моменты, когда вам просто нужно подождать, пока он успокоится для фотоснимков, или подождать, пока он станет более «взволнованным» или активным для движущихся изображений.Будьте уверены в себе и знайте, что если вы позволите своему питомцу «быть самим собой» во время фотосессии, это раскроет его личность.

Фотосъемка вашего питомца не должна быть сложной задачей, и с помощью этих советов вы можете получить профессиональные результаты. С практикой вы сможете получать великолепные фотографии домашних животных в своем собственном доме или в той обстановке, которая вам нравится. Самое главное в том, чтобы сделать много красивых фотографий вашей кошки или собаки, — это воспоминания, которые остаются не только на реальных фотографиях, но и на времени, которое вы оба проводите вместе.Расслабьтесь и получайте удовольствие, наслаждайтесь продуктивным и сближающим опытом вместе!


Об авторе : Алисия Риус (Alicia Rius) — фотограф-портретист и лайфстайл-фотограф, живет на Западном побережье и специализируется на собаках, кошках и лошадях. Мнения, выраженные в этой статье, принадлежат исключительно автору. Вы можете найти больше ее работ на ее веб-сайте, в Facebook и Instagram.

Фотографии кошек Фотографии собак Инфографика, которой поделились Больше

Согласно данным, опубликованным сегодня приложением для обмена фотографиями для владельцев домашних животных Klooff, фотографии кошек получают более чем в два раза больше репостов, чем фотографии собак.

В то время как некоторые интернет-эксперты утверждают, что у кошек есть «безжалостно эффективная» — осмелимся сказать, мурлыкающая — «пропагандистская машина», другие ссылаются на данные Google о тенденциях, которые, похоже, показывают, что люди чаще ищут информацию о собаках, чем о кошках.

Тем не менее, в этой инфографике Klooff есть что-то для каждого владельца собаки, особенно самые популярные породы в 22 разных странах.

Клоофф

ИНФОГРАФИКА: А теперь путеводитель по миру от кошек

ИНФОГРАФИКА: Вот лучшие самосвалы в США

ФОТО: Grumpy Cat не впечатлен фотосессией TIME

Больше обязательных к прочтению историй от TIME


  • Колонка: Подтверждение Кетанджи Браун Джексон было референдумом о том, кто получит власть в Америке
  • У нас есть технология для решения проблемы изменения климата .Нам нужна политическая воля.
  • The Informal International Сеть Украинцы-инвалиды из зоны боевых действий
  • Обнявшись с Путиным, Имран Хан из Пакистана, возможно, запечатал Свою кончину
  • «Кризисная точка». Школы борются за продление программы питания Благодаря которой миллионы детей сыты
  • Как компания, стоящая за популярными 3D-печатными домами TikTok , хочет помочь решить кризис доступного жилья
  • Все везде, все может быть 9004 Слишком триповый для собственного блага, но Мишель Йео по-прежнему ослепительна

Пишите на Оливия Б.Ваксман на [email protected]

ПОДЕЛИТЬСЯ ЭТОЙ ИСТОРИЕЙ

Сердитый кот отказывается фотографироваться с собаками

Кошки.Это достаточно самостоятельные существа, которые любят заниматься своими делами. Нет ничего, что кошки ненавидят больше, чем кто-то, кто пытается сказать им, что делать. По их мнению, это их мир, и мы все просто живем в нем. Это часть их очарования.

Кошки и собаки — совершенно разные животные. Это не значит, что они не могут ужиться, но это, безусловно, означает, что их различия подобны день и ночь. Одно животное спокойное, собранное и тихое, другое счастливое, веселое и энергичное. Это лишь часть того, что делает кошек и собак такими, какие они есть.

И одно видео прекрасно передало принципиальные различия между кошками и собаками.

Излишне говорить, что кадры маленькой семейной вражды между тремя собаками и кошкой были настолько очаровательны, что быстро стали вирусными после того, как Madeyousmile загрузила клип в Twitter.

Фото: Twitter/Madeyousmile

На видео вы видите трех собак, одетых в свои лучшие наряды, которые позируют для семейного фото. Они выглядят нетерпеливыми и счастливыми, чтобы порадовать своего владельца семейной фотографией.Знаете, типичное собачье поведение. Конечно же, рядом с ними стоит один жалкий на вид кот. Он явно был недоволен тем, что его заставили присоединиться к семейной фотографии. И делая то, что кошки делают лучше всего, он даже отдаленно не желал сотрудничать с фотографией. На самом деле, он смотрел куда-то вдаль, и лицо его было как кислое молоко.

Любой владелец домашнего животного, у которого есть и кошки, и собаки, знает, насколько утомительной может быть попытка собрать всех вместе для семейного фото. С одной стороны, заставить ваших собак позировать не так уж и сложно — во всяком случае, заставить их снизить уровень энергии на ступеньку ниже — настоящая борьба.Однако заставить кошку удаленно позировать, не говоря уже о том, чтобы выглядеть счастливой, почти невозможно. И этот милый маленький сварливый кот был близок к тому, чтобы испортить прекрасный семейный момент.

Однако одна из собак на картинке заметила, что кот не делает того, что от него требуется. Именно тогда собака восхитительно решила вмешаться и что-то сделать. Можно увидеть, как собака подходит к кошке, берет ее на руки и тащит к семейному веселью.

Фото: Twitter/Madeyousmile

Как вы можете себе представить, кошка была не в восторге от того, что собака дергала ее руками.Извивающийся кот попытался уйти, но у золотистого ретривера явно было преимущество в размерах, и он использовал его, чтобы удержать сварливого кота на месте своей лапой.

Самое очаровательное, наверное, было, когда собака посмотрела в камеру, как будто ища одобрения своего хозяина, чтобы помочь пререкаться с несговорчивым кошачьим.

«Хорошо, мистер Демилль, теперь мы готовы к крупному плану» 😍👍 pic.twitter.com/8oXHiJw54s

— Madeyousmile (@Thund3rB0lt) 7 мая 2020 г.

Хотя вся разворачивающаяся сцена длилась всего несколько секунд, прежде чем кот снова добился своего и снова стал дуться в углу, повернувшись спиной, все равно было так мило наблюдать.Тот факт, что собака пыталась вовлечь его в семейную фотографию, был просто бесценен. Нет никаких сомнений в том, что в этой пушистой семье существует родственная связь.

И это очаровательно! Это, безусловно, дает нам все чувства, наблюдая за ним.

#LikeCatsAndDogs: 14 смехотворно милых фотографий кошек и собак Besties в Instagram

Если люди говорят, что кошки и собаки не могут быть друзьями, они, очевидно, не прокручивали хэштег #LikeCatsAndDogs в Instagram. Судя по этим фотографиям, кошки и собаки в основном лучшие друзья.Эти изображения дружбы кошек и собак, от совместного сна до совместных игр и совместного приема пищи, определенно поднимут вам настроение и сделают ваш день ярче. От известных в Instagram кошек до собак, которых еще предстоит открыть, вы обязательно найдете нового питомца, на которого можно подписаться в Instagram.

1. Шарпей Паддингтон и кот Батлер доказывают, что настоящая любовь слепа. Они также фигурируют в линейке поздравительных открыток, сделанных их владельцами.

2. Иногда влиться в команду бывает непросто.Возьми это у Рози, которая дружит с Инфинити и Хаски Лило.

3. Акаши и Оливер — дуэт лучших друзей кошки и собаки, живущих в Японии. Пока не ясно, кто победит в гляделке — Араши, Оливер или плюшевая панда!

4. Золотистый ретривер Кило и спасенный рыжий кот Кода выглядят так, будто они братья от другой матери. Кода может немного завидовать новой дружбе Кило с котятами, которые пришли поиграть.

5. Но сначала позвольте мне сделать селфи.Дружба означает всегда позволять вашему другу показывать себя с лучшей стороны, даже если она такая же, как ваша.

6. Когда ваш человек фотограф, вы всегда должны быть готовы к идеальному снимку. Эти питомцы позируют на карантине.

7. Любой, у кого есть домашнее животное, знает, что его любимая игрушка всегда будет пустой коробкой. Этот дуэт кошки и собаки нашел коробку, которая подходила каждому из них по размеру.

8. Это был долгий день, и все, что вы хотите сделать, это посмотреть Netflix и расслабиться с вашим лучшим другом.Эта кошка и собака не являются исключением — они просто хотят включить планету Земля и отдохнуть вместе.

🐶💛🐱

Фотография, опубликованная @billielovesbutter в

слюни — они слишком озабочены тем, чтобы проводить время вместе. В конце концов, поцелуи мопса — лучшие поцелуи.

11. Как бы вы ни любили своего лучшего друга, иногда вам не хочется целоваться.Этот кот — все мы, когда наш лучший друг делает нежелательное продвижение.

12. Зарегистрируйте это в разделе #squadgoals, когда игра с прической вашего лучшего друга почти так же сильна, как и ваша. Шерсть персидского кота Эдвина завидует его лучшей подруге пуделю Лоле.

Лола и я ❤️

Фотография, опубликованная Эдвином 😻 (@edwin_thecat) в

экипаж» будет лучшей подписью к этой фотографии котенка Исиды со своими лучшими друзьями, джек-рассел-терьером и корги.

14. Лучшие друзья или заклятые враги? Иногда трудно судить. Кевин, черно-белый кот, раньше был диким, поэтому ему не привыкать волноваться.

Отметьте свои фотографии ваших кошек и собак, живущих в гармонии, с хэштегом #LikeCatsAndDogs, и вы можете обнаружить, что ваш питомец станет известным в Insta.

Писатель Биография

Кассандра работает маркетологом из Сан-Франциско днем ​​и блоггером ночью (и по выходным!). Обычно вы можете найти ее бегущей, занимающейся серфингом, путешествующей пешком, едящей или в студии йоги, когда она не работает, или планирующей свое следующее приключение.

Удивительные факты о кошках и собаках, которых вы не знали Stone


4) Стивен Errico / Photodisc
5) John Elder / Image Bank
6) Lynnette Henderson / Flickr
7) Lisa McKelvie
8) Francois Gilson / Phiotonanstop
9) Bakkobrats / Flickr
10) Marla Brose / Albuquerque Journal
11) Моралес Моралес / возраст fotostock
12) Sheldon Lewis
13) Эрик Isakson / Reailball
14) Junkuball
14) Junku / Flickr
15) Фото вежливость Даны Сильберман
16) Rosseforp
17) Kevin Horan / Time & Life Image
18 )       Altrendo Nature/Altrendo
19)       Dennis Drenner / Aurora
20)       Bananastock
21)       Anna Webb/WebMD
2 2)       Franz Pritz/Picture Press
23)       Ted Kinsman/Photo Researchers Inc., Юпитер Неограниченное
24) Ivan Piven / flickr
25) Peter Cived / Iconica
26) Daniela Hofer / F1 онлайн
27) Philip J Brittan / Photonica

Источники:

Американский ассоциация диабета: «Может ли собака сохранить ваш Жизнь?»

Американская ветеринарная медицинская ассоциация: «Часто задаваемые вопросы о вирусе гриппа h2N1 2009 и домашних животных».

ASPCA: «Собачий язык тела», «Кошачьи вокализации», «Кошки и дети», «Компульсивное поведение у собак», «Факторы, определяющие личность кошки», «Кормление взрослой кошки», «Люди. Домашние животные», «Пассивное курение: Домашние животные Херста — тоже бесшумный убийца.

Brevitz, B. Complete Health Dog Handbook, Workman Publishing, 2009.

Byyard, R. Внезапная смерть в младенчестве, детстве и юности, Cambridge University Press, 2004.

Федерация собачьего фристайла: «Canine Freestyle».

Ассоциация любителей кошек: «Мифы и факты о кошках»

Cats International: «Сигналы хвоста, ушей и глаз вашей кошки».

Добавить комментарий

Ваш адрес email не будет опубликован.