用深度学习追踪动物

资料来源:自然出版集团

最近，《自然神经科学》在线发表的一项研究表明，通过使用新的深度学习算法跟踪动物运动和行为的准确性可以达到人工水平，而无需使用跟踪标记或耗时的人工分析。

在行为发生过程中准确跟踪身体运动部位是运动科学的重要组成部分。然而，如果通过视频记录来跟踪运动，研究人员要么需要花费时间和精力标记每一帧，要么需要在受试者身体的预定点放置标记。标记可能会干扰研究目标的行为，通常只适用于有限类型的运动。

麻省哈佛大学的麦肯齐·马西斯、马蒂亚斯·贝奇和他的同事开发了一个开源运动跟踪工具Deeplabcut，它使用机器学习，不受上述限制。研究人员使用一个大的目标识别图像数据库来预训练深度切割。

在那之后，DeepLabCut只需要对人类标记图像(大约200张)进行小规模训练，就可以完成一项新的追踪任务，从而方便神经科学家研究动物行为。他们演示了该算法如何能够在没有标记的情况下跟踪老鼠和苍蝇在身体任何部位的各种行为，并且精确度可以达到人工水平。如果苍蝇下蛋，老鼠伸出爪子，深度切割可以追踪细微的动作。

中国北京大学的魏坤琳和美国宾夕法尼亚大学的康拉德·科丁在一篇文章中说，深度实验室切割理论上适用于任何视频，并为体育科学开辟了一个巨大的数据源。他们预计，在未来，运动捕捉将从实验室里一项困难而昂贵的任务变成一件每个人在日常生活中都可以完成的“小事”。(艺鹭)

相关文件信息:doi: 10.1038/s1593-018-0209-y

中国科学新闻(2018-08-23，第二版国际)