一个新的工具包通过高速,准确地测量动物的身体姿势超越了现有的机器学习方法。这项名为DeepPoseKit的深度学习工具包由康斯坦茨大学集体行为高级研究中心和马克斯·普朗克动物行为研究所的研究人员开发,将先前的姿势估计方法与最新技术相结合。在计算机科学领域。这些新开发的深度学习方法仅需训练100个示例,即可从以前看不见的图像中正确测量身体姿势,并可用于研究具有挑战性的野外环境中的野生动物。今天在开放获取期刊eLife中发布,这项研究正在使用下一代工具推动动物行为领域的发展,同时为非专家提供了一个可访问的系统,可以轻松地将机器学习应用于他们的行为研究。
动物必须与物质世界互动才能生存和繁殖,研究它们的行为可以揭示为实现这些最终目标而发展起来的解决方案。然而,仅通过直接观察就很难定义行为:偏见和人类观察者有限的处理能力抑制了可以从动物身上收集到的行为数据的质量和分辨率。
机器学习已经改变了这一点。近年来开发了各种工具,使研究人员可以直接从图像或视频中自动跟踪动物身体部位的位置,而无需在动物身上施加侵入性标记或手动对行为进行评分。然而,这些方法具有限制性能的缺点。“通过深度学习来测量身体姿势的现有工具要么速度越来越慢,要么越来越准确,要么速度越来越快,但准确性越来越差,但我们希望实现两者的最佳平衡。”马克斯·普朗克动物行为研究所的研究生,主要作者杰克·格雷夫(Jake Graving)说。
在这项新研究中,研究人员提出了一种克服速度准确性折衷方法。这些新方法使用高效,最新的深度学习模型来检测图像中的身体部位,并使用快速算法来高精度地计算这些检测到的身体部位的位置。这项研究的结果还表明,这些新方法可以应用于物种和实验条件-从苍蝇,蝗虫和实验室控制环境中的小鼠到野外相互作用的斑马群。该论文的合著者布莱尔·科斯特洛(Blair Costelloe)博士在肯尼亚研究斑马。他说:“我们现在可以使用DeepPoseKit为斑马收集的姿势数据使我们确切地知道每个人在小组中的工作以及他们如何与之互动相比之下,
由于其高性能和易于使用的软件界面(该代码可在Github上公开获得,https://github.com/jgraving/deepposekit),研究人员说DeepPoseKit可以立即使各个领域的科学家受益- -例如神经科学,心理学和生态学-以及专业水平。关于此主题的工作还可能会影响我们的日常生活,例如改进智能手机上使用的手势识别类似算法或诊断和监视人畜运动相关疾病。
该论文的资深作者Iain Couzin表示:“在短短的几年之内,深度学习已经从一种利基,难以使用的方法变成了世界上最民主,使用最广泛的软件工具之一。”他领导康斯坦茨大学集体行为高级研究中心和马克斯·普朗克动物行为研究所的集体行为系。“我们的希望是,我们可以通过开发任何人都可以使用的易于使用的高性能工具来为行为研究做出贡献。”诸如此类的工具对于研究行为非常重要,因为正如Graving所说:“它们使我们可以从第一性原则开始,或者说“动物如何在空间中移动其身体?”,而不是对构成行为的主观定义。