歡迎光臨
每天分享高質量文章

深度學習演算法準確追蹤動物運動

(點擊上方公眾號,可快速關註)

來源:科技日報


根據英國《自然·神經科學》雜誌 21 日在線發表的一項研究,美國哈佛大學團隊運用一種新型深度學習演算法,成功追蹤動物運動及行為,其準確度可達到人工水平,而且無需採用追蹤標記物或進行費時的手動分析。專家認為,這一成果打開了海量的資料來源之門。


準確追蹤行為發生期間的身體運動部位是運動科學的一項重要內容。但是,如果採用視頻記錄方式來追蹤運動,研究人員要麼需要費時費力地標記每一幀,要麼需要在研究物件身體的預定點上放置標記物。而標記物可能幹擾研究標的的行為,而且一般只適合有限型別的運動。


此次,哈佛大學科學家團隊利用機器學習開發了一款開源運動追蹤工具,名為“DeepLabCut”,它不受以上限制。研究團隊先採用一個大型標的識別圖像資料庫對“DeepLabCut”進行了預訓練。之後,“DeepLabCut”只需要接受小規模的人類標記圖像(約 200 張)訓練,即可完成一項新的追蹤任務,從而方便神經科學家研究動物行為。


研究人員演示了這種演算法,其可以在無需標記物的情況下,追蹤小鼠和蒼蠅在各種行為期間的任意身體部位運動,而且準確度可達到人工水平。“DeepLabCut”可以追蹤精細的動作,如果蠅產卵、伸吻,以及小鼠伸爪時每一個指的軌跡。


在相應的新聞與觀點文章中,中國北京大學魏坤琳與美國賓夕法尼亞大學康拉德·考丁表示,“DeepLabCut”在理論上適用於任何視頻,從而為運動科學打開了巨大的資料來源之門。他們預計,未來“運動捕捉將從實驗室內的一項艱難而又耗資不菲的任務,變成一項每個人在日常生活中就能完成的小事情”。


總編輯圈點


不久前,一位諾獎得主說,人工智慧就是統計學。我們都知道統計過去記錄可以推斷將來。但人工智慧預測能力之強,仍超預料。它不需要太多資料,就可準確地猜出動物的行為和走向。或許今後在機器輔助下,網站上的無聊小視頻,會成為有趣的科研原始資料。

【關於投稿】


如果大家有原創好文投稿,請直接給公號發送留言。


① 留言格式:
【投稿】+《 文章標題》+ 文章鏈接

② 示例:
【投稿】
《不要自稱是程式員,我十多年的 IT 職場總結》:

http://blog.jobbole.com/94148/


③ 最後請附上您的個人簡介哈~


覺得本文有幫助?請分享給更多人

關註「演算法愛好者」,修煉編程內功

赞(0)

分享創造快樂