持久的动物识别利用非视觉标记
Michael P J Camilleri1, Li Zhang2, Rasneer S Bains3
1School of Informatics, University of Edinburgh, Edinburgh, UK.
Machine vision and applications
|July 17, 2023
概括
这项研究引入了一种新的方法,使用RFID和跟踪数据在混乱的环境中独特识别单个小鼠. 该方法达到77%的准确性,使生物研究中的自动行为识别成为可能.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 动物行为分析.
背景情况:
- 在生物研究中,自动行为识别需要准确的个体动物识别.
- 在杂乱的家庭环境中跟踪老鼠是具有挑战性的,因为缺乏视觉特征和频繁的遮.
研究的目的:
- 开发一种可靠的方法,在杂乱的环境中随着时间的推移进行独特的老鼠识别.
- 通过解决动物识别问题来实现自动行为识别.
主要方法:
- 用整数线性编程解决的赋值问题来制定动物识别.
- 开发了一种新的概率模型,将视觉轨道与粗的RFID位置数据集成在一起.
- 创建了一个精心策划的数据集,用于模型评估的基础真相注释.
主要成果:
- 在识别单个小鼠方面取得了77%的准确性.
- 成功拒绝了动物被隐藏时的虚假检测.
- 证明了将弱追踪与粗略的身份信息相结合的潜力.
结论:
- 拟议的方法有效地解决了复杂环境中的单个老鼠识别的挑战.
- 这种方法是朝着可靠的实验室动物自动行为识别迈出的关键一步.
- 开发的概率模型提供了一种原则性的方法,以粗略的定位来处理对象检测.
