DAMM用于在复杂的社会和环境环境中检测和跟踪多种动物
Gaurav Kaul1,2, Jonathan McDevitt1, Justin Johnson2
1Department of Psychology, University of Michigan, Ann Arbor, MI, 48109-1043, USA.
bioRxiv : the preprint server for biology
|January 31, 2024
概括
检测任何鼠标模型 (DAMM) 为复杂环境提供了强大的,预训练的动物检测和跟踪. 这种工具简化了行为研究,需要最少的培训才能获得神经科学研究中准确的结果.
科学领域:
- 神经科学是一个神经科学.
- 伦理学 伦理学 伦理学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 准确的动物检测和跟踪对于神经科学中的行为研究至关重要.
- 当前的方法与复杂的环境,封闭性作斗争,需要广泛的培训.
- 限制阻碍了伦理学相关的研究,特别是在隐藏或模糊的条件下.
研究的目的:
- 引入一个预训练的物体探测器,检测任何鼠标模型 (DAMM),用于在复杂的环境中强大的鼠标定位.
- 实现高通量行为研究,零到最小的额外培训.
- 为科学界提供一个可访问的工具,以简化动物跟踪.
主要方法:
- 在各种条件下 (照明,设置,遮蔽) 收集并注释了一组多样化的小鼠数据集.
- 使用Mask R-CNN进行示例细分,并通过零射击和少数射击推断进行验证.
- 集成DAMM与SORT算法进行强大的动物跟踪.
主要成果:
- DAMM在未见的场景中展示了强大的零射击推断性能,检测了小鼠和老鼠.
- 通过最小微调 (少数射击推断) 提高了性能.
- 追踪性能与基于关键点估计的方法具有竞争力.
结论:
- 在复杂的环境中,DAMM显著推进了动物检测和跟踪.
- 该工具减少了与设置和培训模型相关的劳动和时间.
- 通过Python API,共享权重和Google Colab,DAMM的可访问性促进了在行为研究中的更广泛采用.
