深度學習算法準確追蹤動物運動

來源：科技日報 時間：2018-08-22 16:30:06 作者：張夢然

　　“DeepLabCut”算法追蹤動物運動及行為示意圖圖片來源：《自然》

　　根據(jù)英國《自然·神經(jīng)科學》雜志21日在線發(fā)表的一項研究，美國哈佛大學團隊運用一種新型深度學習算法，成功追蹤動物運動及行為，其準確度可達到人工水平，而且無需采用追蹤標記物或進行費時的手動分析。專家認為，這一成果打開了海量的數(shù)據(jù)來源之門。

　　準確追蹤行為發(fā)生期間的身體運動部位是運動科學的一項重要內(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記每一幀，要么需要在研究對象身體的預定點上放置標記物。而標記物可能干擾研究目標的行為，而且一般只適合有限類型的運動。

　　此次，哈佛大學科學家團隊利用機器學習開發(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識別圖像數(shù)據(jù)庫對“DeepLabCut”進行了預訓練。之后，“DeepLabCut”只需要接受小規(guī)模的人類標記圖像（約200張）訓練，即可完成一項新的追蹤任務，從而方便神經(jīng)科學家研究動物行為。

　　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，而且準確度可達到人工水平?！癉eepLabCut”可以追蹤精細的動作，如果蠅產(chǎn)卵、伸吻，以及小鼠伸爪時每一個指的軌跡。

　　在相應的新聞與觀點文章中，中國北京大學魏坤琳與美國賓夕法尼亞大學康拉德·考丁表示，“DeepLabCut”在理論上適用于任何視頻，從而為運動科學打開了巨大的數(shù)據(jù)來源之門。他們預計，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，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，人工智能就是統(tǒng)計學。我們都知道統(tǒng)計過去記錄可以推斷將來。但人工智能預測能力之強，仍超預料。它不需要太多數(shù)據(jù)，就可準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。（記者 張夢然）

責任編輯：陳近梅