基于实例分割的自动化行为分析
计算机视觉与模式识别
2023-12-14 v1 人工智能
摘要
动物行为分析在生命科学和生物医学研究等多个领域发挥着至关重要的作用。然而，可用数据的稀缺性以及获取大量标注数据集的高昂成本构成了重大挑战。在本研究中，我们提出了一种利用基于实例分割的迁移学习来解决这些问题的新方法。通过微调实例分割网络的分类头，我们能够追踪多只动物，并促进对实验室录制视频中的行为进行分析。为了证明我们方法的有效性，我们进行了一系列实验，结果表明，我们的方法在多种动物行为分析任务中均达到了与人类能力相当的卓越性能水平。此外，我们强调了我们解决方案的实用性，因为它仅需少量标注图像进行训练。为了促进我们方法的采用和进一步发展，我们开发了一个名为 Annolid（一个基于标注和实例分割的多动物追踪与行为分析包）的开源实现。代码库已在 GitHub 上公开发布，地址为 https://github.com/cplab/annolid。该资源为有兴趣通过先进技术推进动物行为分析的研究人员和从业者提供了宝贵的资产。
引用
@article{arxiv.2312.07723,
title = {Automated Behavioral Analysis Using Instance Segmentation},
author = {Chen Yang and Jeremy Forest and Matthew Einhorn and Thomas A. Cleland},
journal= {arXiv preprint arXiv:2312.07723},
year = {2023}
}