Autoři : (1) Asaduz Zaman, katedra datové vědy a umělé inteligence, Fakulta informačních technologií, Monash University, Austrálie (asaduzzaman@monash.edu); (2) Vanessa Kellermann, katedra životního prostředí a genetiky, Škola zemědělství, biomedicíny a životního prostředí, Univerzita La Trobe, Austrálie (v.kellermann@latrobe.edu.au); (3) Alan Dorin, vedoucí oddělení datové vědy a umělé inteligence, Fakulta informačních technologií, Monash University, Austrálie (alan.dorin@monash.edu). Authors: (1) Asaduz Zaman, katedra datové vědy a umělé inteligence, Fakulta informačních technologií, Monash University, Austrálie (asaduzzaman@monash.edu); (2) Vanessa Kellermann, katedra životního prostředí a genetiky, Škola zemědělství, biomedicíny a životního prostředí, Univerzita La Trobe, Austrálie (v.kellermann@latrobe.edu.au); (3) Alan Dorin, vedoucí oddělení datové vědy a umělé inteligence, Fakulta informačních technologií, Monash University, Austrálie (alan.dorin@monash.edu). Stůl vlevo Abstrakt a 1. úvod Související práce Metoda Výsledky a diskuse Závěry a reference Abstraktní Tato studie představuje neefektivní zpětnou identifikaci dat zvířat, novou koncepci a dlouhou praktickou techniku pro identifikaci minulých výskytů organismů v archivovaných datech, která doplňuje tradiční metody chronologické zpětné identifikaci v průběžném chování výzkumu. Identifikace klíčového jedince mezi více subjekty se může objevit pozdě v experimentu, pokud se odhalí prostřednictvím zajímavého chování zvířat po období nediferencovaného výkonu. Často se vzdálené studie setkávají také s otřesem předmětů během experimentů. Úsilí investované do vzdělávacích softwarových modelů k rozpoznání a sledování takových jedinců je promarněno, pokud nedokončí experiment. V ideálním případě bychom 1 Úvod V pozdních behaviorálních studiích je sledování jednotlivých subjektů v průběhu času, jejich identifikace, když se poprvé objeví, a opět, když se znovu objeví v následujících pozorováních, zásadní pro pochopení chování [2]. Re-identifikace (re-id) malých, vizuálně podobných zvířat, jako jsou medvědi, může být podporována fyzickými markery nebo štítky [2, 4, 14, 15]. Nicméně, tyto mohou změnit chování subjektů [7]. Neoznačené re-id potenciálně umožňuje výzkumným pracovníkům posoudit přirozené chování studovaných subjektů [16]. Nicméně, to je obtížné pro vysoce podobné jedince, jako jsou hmyz, a vyžaduje, aby algoritmy byly vyškoleny, často na ručně označen Morfologické změny prostřednictvím opotřebení mohou zmatit úsilí o re-identifikace jednotlivce. Pokud je subjekt ztracen nebo vizuálně změněn během experimentu, zdroje investované do vzdělávacího softwaru pro klasifikaci obrazů, aby jej rozpoznali, budou potenciálně promarněny. Tato neefektivita je zhoršena potřebou provádět experimenty na více předmětech v očekávání, že málo přežije do konce, a z těch, ještě méně bude vykazovat určité chování zájmu, jako je učení úkolu, řešení hádanky nebo shromažďování konkrétního zdroje [8]. Proto je pozdní identifikace klíčových předmětů z počátečního většího počátečního nastavení běžná v longitudinálních behavi - identifikace (retro-id) k řešení tohoto problému. retro Spíše než následovat konvenci školení modelů na počáteční (den jeden) data a snaží se sledovat jednotlivce chronologicky během experimentu, navrhujeme, že to může být někdy užitečnější dělat naopak. To znamená, že někdy bychom měli trénovat naše algoritmy na pozdní fázi experimentální obrazové údaje pouze klíčových (přežívajících nebo jinak zajímavých) jednotlivců. A pak bychom měli sledovat tyto klíčové jednotlivce retrospektivně prostřednictvím archivovaných obrazových dat prozkoumat jejich chování během experimentu. Předpokládáme, že model vycvičený na údaje o obrazech hmyzu od prvního dne a testovaný na jeho schopnost re-identifikovat hmyz až do dne N, by vykazoval stejný výkon jako model vycvičený na data dne N a testován na retro-id hmyzu zpět do prvního dne. Testovali jsme to monitorováním 15 jednotlivých medvědů v průběhu 5 dnů. Tito polo-sociální opylovači mají vysokou fenotypickou podobnost (obrázek 1) a jsou přirozeně nalezeni blízko k sobě navzájem, dokonce sdílejí hnízda, čímž je re-identifikace ekologicky cenná, ale náročná. Vycvičili jsme několik modelů klasifikace obrazů založených na transferu pomocí dat z dnů 1 a Tento dokument je k dispozici v archivu pod licencí CC BY 4.0 DEED. Tento papír je Pod licencí CC BY 4.0 DEED. available on arxiv Dostupné v archivu
