Новый инструментарий выходит за рамки существующих методов машинного обучения, измеряя положение тела у животных с высокой скоростью и точностью. Этот набор инструментов глубокого обучения под названием DeepPoseKit, разработанный исследователями из Центра перспективных исследований коллективного поведения Констанцского университета и Института поведения животных имени Макса Планка, сочетает предыдущие методы оценки позы с самыми современными разработками. в информатике. Эти недавно разработанные методы глубокого обучения могут правильно измерять положение тела на ранее невиданных изображениях после обучения всего на 100 примерах и могут применяться для изучения диких животных в сложных полевых условиях. Опубликованное сегодня в журнале eLife с открытым доступом исследование продвигает вперед область поведения животных с помощью инструментов нового поколения, в то же время предоставляя доступную систему для неспециалистов, позволяющую легко применять машинное обучение к их поведенческим исследованиям.
Животные должны взаимодействовать с физическим миром, чтобы выжить и размножаться, и изучение их поведения может выявить решения, которые эволюционировали для достижения этих конечных целей. Тем не менее, поведение трудно определить, просто наблюдая за ним напрямую: предубеждения и ограниченная вычислительная мощность людей-наблюдателей снижают качество и разрешение поведенческих данных, которые можно собрать у животных.
Машинное обучение изменило это. В последние годы были разработаны различные инструменты, которые позволяют исследователям автоматически отслеживать расположение частей тела животных непосредственно по изображениям или видео - без необходимости наносить на животных навязчивые маркеры или вручную оценивать поведение. Эти методы, однако, имеют недостатки, которые ограничивают производительность.«Существующие инструменты для измерения осанки с помощью глубокого обучения были либо медленнее и точнее, либо быстрее и менее точны, но мы хотели получить лучшее из обоих миров». - говорит ведущий автор Джейк Грейвинг, аспирант Института поведения животных имени Макса Планка.
В новом исследовании ученые представили подход, позволяющий преодолеть компромисс между скоростью и точностью. Эти новые методы используют эффективную, современную модель глубокого обучения для обнаружения частей тела на изображениях и быстрый алгоритм для вычисления местоположения этих обнаруженных частей тела с высокой точностью. Результаты этого исследования также демонстрируют, что эти новые методы могут применяться к разным видам и экспериментальным условиям - от мух, саранчи и мышей в контролируемых лабораторных условиях до стад зебр, взаимодействующих в дикой природе. Доктор Блэр Костелло, соавтор статьи, изучающий зебр в Кении, говорит: «Данные о позах, которые мы теперь можем собирать для зебр с помощью DeepPoseKit, позволяют нам точно знать, что каждый человек делает в группе и как они взаимодействуют с окружающая среда. Напротив, существующие технологии, такие как GPS, уменьшат эту сложность до одной точки в пространстве, что ограничивает типы вопросов, на которые вы можете ответить».
Благодаря высокой производительности и простому в использовании программному интерфейсу (код общедоступен на Github, https://github.com/jgraving/deepposekit), исследователи говорят, что DeepPoseKit может немедленно принести пользу ученым во всем мире. различные области, такие как неврология, психология и экология, и уровни знаний. Работа по этой теме также может иметь приложения, влияющие на нашу повседневную жизнь, например, улучшение аналогичных алгоритмов распознавания жестов, используемых в смартфонах, или диагностика и мониторинг заболеваний, связанных с движением, у людей и животных..
«Всего за несколько коротких лет глубокое обучение превратилось из своего рода нишевого, сложного в использовании метода в один из самых демократизированных и широко используемых программных инструментов в мире», - говорит Иэн Кузин, старший автор статьи, возглавляющий Центр перспективных исследований коллективного поведения в Констанцском университете и отдел коллективного поведения в Институте поведения животных имени Макса Планка.«Мы надеемся, что сможем внести свой вклад в поведенческие исследования, разработав простые в использовании высокопроизводительные инструменты, которые сможет использовать каждый». Подобные инструменты важны для изучения поведения, потому что, как говорит Грэйвинг: «Они позволяют нам начать с первых принципов или «как животное перемещает свое тело в пространстве?», а не с субъективных определений того, что представляет собой поведение. там мы можем начать применять математические модели к данным и разрабатывать общие теории, которые помогут нам лучше понять, как отдельные особи и группы животных адаптивно организуют свое поведение».