Новый метод улучшает измерение поведения животных с помощью глубокого обучения

Новый инструментарий превосходит существующие методы машинного обучения, измеряя позу тела животных с высокой скоростью и точностью. Разработанный исследователями из Центра перспективных исследований коллективного поведения Университета Констанца и Института поведения животных Общества Макса Планка, этот инструментарий глубокого обучения под названием DeepPoseKit объединяет предыдущие методы оценки позы с передовыми разработками в области компьютерных наук.

Эти новые методы глубокого обучения могут точно измерять позу тела на ранее невиданных изображениях после обучения всего на 100 примерах и могут применяться для изучения диких животных в сложных полевых условиях. Исследование, опубликованное в открытом журнале eLife, продвигает область изучения поведения животных с помощью инструментов следующего поколения, одновременно предоставляя доступную систему для неспециалистов.

Преодоление компромисса между скоростью и точностью

Машинное обучение позволило автоматически отслеживать положение частей тела животных непосредственно с изображений или видео, без маркеров на животных или ручной разметки. Однако существующие инструменты имели недостатки. «Существующие инструменты для измерения позы тела с помощью глубокого обучения были либо медленнее и точнее, либо быстрее и менее точны — но мы хотели достичь лучшего из обоих миров», — говорит ведущий автор Джейк Грейвинг.

Новый подход преодолевает этот компромисс. Он использует эффективную современную модель глубокого обучения для обнаружения частей тела на изображениях и быстрый алгоритм для вычисления их местоположения с высокой точностью.

Широкое применение: от лаборатории до дикой природы

Результаты демонстрируют, что эти методы можно применять к разным видам и условиям:

• От мух, саранчи и мышей в контролируемых лабораторных условиях.
• До стад зебр, взаимодействующих в дикой природе.

Соавтор работы доктор Блэр Костелло, изучающая зебр в Кении, отмечает: «Данные о позе, которые мы теперь можем собирать для зебр с помощью DeepPoseKit, позволяют нам точно знать, что делает каждая особь в группе и как она взаимодействует с окружающей средой. В отличие от этого, существующие технологии, такие как GPS, сводят эту сложность к одной точке в пространстве».

Доступность и значение

Благодаря высокой производительности и простому в использовании программному интерфейсу (код публично доступен на Github) DeepPoseKit может принести пользу ученым в различных областях — нейробиологии, психологии, экологии — и с разным уровнем экспертизы.

«Наша надежда — внести вклад в поведенческие исследования, разработав простые в использовании, высокопроизводительные инструменты, которые может использовать кто угодно», — говорит старший автор статьи Иэн Кузин.

Такие инструменты важны, потому что, как отмечает Грейвинг: «Они позволяют нам начать с первых принципов, или "как животное двигает своим телом в пространстве?", а не с субъективных определений того, что constitutes поведение. Отсюда мы можем применять математические модели к данным и разрабатывать общие теории, чтобы лучше понять, как особи и группы животных адаптивно организуют свое поведение».