Изучение животных в среде дает исследователям доскональное знание их поведенческого репертуара. Но поведение трудно определить только путем полевого наблюдения: предвзятость и низкая наблюдательность снижает количество и качество данных.
На помощь ученым может прийти машинное обучение. В последние годы исследователи разработали инструменты, которые позволяют автоматически отслеживать местоположение частей тела животных по изображениям или видео. Однако эти методы имеют недостатки, которые ограничивают их эффективность — к примеру, они очень медленные.
Новые методы используют эффективную модель глубокого изучения для обнаружения частей тела на изображениях, а также быстрый алгоритм расчета их местоположения. Результаты этого исследования также показывают, что новые методы могут применяться для различных видов животных и даже в экспериментальных условиях.
«DeepPoseKit позволяют нам точно знать, что каждое животное делает в группе и как оно взаимодействует с окружающей средой. Существующие технологии, такие как GPS, снижают данные до единой точки в пространстве, что ограничивает типы вопросов, на которые вы можете ответить как ученый», — отмечают исследователи.
Исследователи уверены, что благодаря высокой производительности и простоте использования программного интерфейса DeepPoseKit может сразу же принести пользу ученым в различных областях — таких как нейронаука, психология и экология. Работа над этой темой может также иметь приложения, которые влияют на нашу повседневную жизнь, например, усовершенствование аналогичных алгоритмов распознавания жестов, используемых на смартфонах, или диагностика и мониторинг заболеваний.