根據(jù)英國《自然·神經(jīng)科學(xué)》雜志21日在線發(fā)表的一項研究，美國哈佛大學(xué)團隊運用一種新型深度學(xué)習(xí)算法，成功追蹤動物運動及行為，其準(zhǔn)確度可達到人工水平，而且無需采用追蹤標(biāo)記物或進行費時的手動分析。專家認(rèn)為，這一成果打開了海量的數(shù)據(jù)來源之門。
準(zhǔn)確追蹤行為發(fā)生期間的身體運動部位是運動科學(xué)的一項重要內(nèi)容。但是，如果采用視頻記錄方式來追蹤運動，研究人員要么需要費時費力地標(biāo)記每一幀，要么需要在研究對象身體的預(yù)定點上放置標(biāo)記物。而標(biāo)記物可能干擾研究目標(biāo)的行為，而且一般只適合有限類型的運動。
此次，哈佛大學(xué)科學(xué)家團隊利用機器學(xué)習(xí)開發(fā)了一款開源運動追蹤工具，名為“DeepLabCut”，它不受以上限制。研究團隊先采用一個大型目標(biāo)識別圖像數(shù)據(jù)庫對“DeepLabCut”進行了預(yù)訓(xùn)練。之后，“DeepLabCut”只需要接受小規(guī)模的人類標(biāo)記圖像（約200張）訓(xùn)練，即可完成一項新的追蹤任務(wù)，從而方便神經(jīng)科學(xué)家研究動物行為。
研究人員演示了這種算法，其可以在無需標(biāo)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(zhǔn)確度可達到人工水平。“DeepLabCut”可以追蹤精細(xì)的動作，如果蠅產(chǎn)卵、伸吻，以及小鼠伸爪時每一個指的軌跡。
在相應(yīng)的新聞與觀點文章中，中國北京大學(xué)魏坤琳與美國賓夕法尼亞大學(xué)康拉德·考丁表示，“DeepLabCut”在理論上適用于任何視頻，從而為運動科學(xué)打開了巨大的數(shù)據(jù)來源之門。他們預(yù)計，未來“運動捕捉將從實驗室內(nèi)的一項艱難而又耗資不菲的任務(wù)，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，星空人工智能就是統(tǒng)計學(xué)。我們都知道統(tǒng)計過去記錄可以推斷將來。但星空人工智能預(yù)測能力之強，仍超預(yù)料。它不需要太多數(shù)據(jù)，就可準(zhǔn)確地猜出動物的行為和走向?；蛟S今后在機器輔助下，網(wǎng)站上的無聊小視頻，會成為有趣的科研原始資料。
星空人工智能技術(shù)網(wǎng) 倡導(dǎo)尊重與保護知識產(chǎn)權(quán)。如發(fā)現(xiàn)本站文章存在版權(quán)等問題，煩請30天內(nèi)提供版權(quán)疑問、身份證明、版權(quán)證明、聯(lián)系方式等發(fā)郵件至1851688011@qq.com我們將及時溝通與處理。?。?a href="/">首頁 > 新聞 » 深度學(xué)習(xí)算法準(zhǔn)確追蹤動物運動