Slon africký (Loxodonta africana) je největší suchozemský savec, který dorůstá výšky až 4 m. Vyskytuje se roztroušeně v celé Africe jižně od Sahelu (v severní Africe byli vyhubeni za římských dob). Slony můžeme najít v deštných lesích (tam žijící sloni jsou někdy uváděni jako podruh, nebo dokonce jako samostatný druh L. cyclotis), na savanách a vystupují až do horských oblastí do 5 000 m n. m. Sloni jsou velice inteligentní a poměrně přizpůsobiví – důležitý je pro ně jen dostatek potravy a vody v teritoriu. Jsou to býložravá zvířata, která musí denně spořádat až 225 kg potravy. Stádo slonů dovede překonávat značné vzdálenosti, ale drží se při tom v blízkosti vody, protože každý slon potřebuje denně pít až 190 litrů vody a rád se koupe.  V současné době nejsou sloni ve většině zemí, ve kterých žijí, v bezpečí. Hlavním důvodem je rozšířené pytláctví – sloni jsou zabíjeni, protože spásají obilí nebo pro získání slonoviny, která je vysoce žádána na asijských trzích. Lidská populace v Africe rychle roste a v důsledku toho je více a více původních sloních habitatů osidlováno a zemědělsky obděláváno. Území, kde se mohou sloni volně pohybovat se stále zmenšují a konflikty mezi lidmi a divokými zvířaty jsou proto stále častější.

Pro plánování udržitelných východisek ze současné, pro slony stresující, situace a k identifikaci vysoce rizikových oblastí je důležité mít k dispozici dostatečně přesná data o počtech slonů a jejich geografickém rozšíření. WWF (World Wildlife Fund for Nature) odhaduje počet slonů afrických na 3 – 5 miliónů ve 30. letech XX. století a asi 700 000 v roce 2016. K doposud používaným metodám monitorování stád (vizuální pozorování, letecké a GPS sledování apod.) přistupuje zatím málo využívané satelitní zobrazování s vysokým rozlišením, o kterém referovali výzkumníci z Oxfordské univerzity – Isla Duporge, Olga Isupova a Steven Reece. Satelity DigitalGlobe: WorldView-3 a WorldView-4 provádějí multispektrální zobrazování s 30 cm rozlišením po tzv. pan-sharpeningu – neboli po image fusion, tj. po digitálním spojení obrazových dat, kdy jsou zkombinována panchromatická (černobílá) data s vyšším prostorovým rozlišením a multispektrální (barevná) data s prostorovým rozlišením nižším. Výsledným produktem jsou multispektrální data s rozlišením odpovídajícím původnímu rozlišení dat panchromatických.

Při jasných povětrnostních podmínkách mohou být na snímcích vizuálně identifikováni sloni. Náročným úkolem při používání této techniky je lokalizace stád slonů, která cestují průměrnou rychlostí 25 km za den. Při běhu mohou sloni dosáhnout rychlosti až 25 km za hodinu a za den tak mohou urazit až 60 km. Bez údajů umožňujících lokalizaci ale může trvat hodiny než se na snímku, při plném zvětšení, detekují sloní stáda (dospělý sloní samec zabere na snímcích z WorldView-3 nebo WorldView-4 méně než 15 pixelů). K překonání této časově a pracovně náročné úlohy, a proto, aby se z průzkůmů mohl stát měřitelný monitorovací postup, vyvíjejí autoři sdělení CNN (convolutional neural network) – algoritmus, který zautomatizuje detekci stád ze satelitních snímků. K získání tréninkových dat pro tento algoritmus byla použita data o stádech v rezervaci Kavango Zambezi Transfrontier Conservation Area, která nosí límec (obojek) s GPS (poskytnuté organizací Sloni bez hranic – Elephants without Borders). Údaje GPS byly porovnávány se souřadnicemi odečítanými ze snímků z knihovny satelitů WorldView-3 a WorldView-4, aby mohly být CNN ukázány skutečné příklady jak vypadají sloni z kosmu. Doplňková tréninková data byla sbírána v Addo Elephant National Park v Jižní Africe, kde je vysoká koncentrace slonů na relativně malém území. Po označkování satelitních snímků ohraničujícími rámečky kolem jednotlivých slonů, i kolem dalších objektů v terénu, které nejsou slony (např. stromů), nastupuje prostřednictvím CNN strojové učení a zafixuje rozdíly do rozpoznávacího algoritmu.