著者: (1) Asaduz Zaman, Data Science and Artificial Intelligence, Faculty of Information Technology, Monash University, オーストラリア(asaduzzaman@monash.edu) (2) ヴァネッサ・ケラーマン(Vanessa Kellermann)、環境・遺伝学部、農業・生物医学・環境学部、ラ・トロブ大学、オーストラリア(v.kellermann@latrobe.edu.au) (3) Alan Dorin, Data Science and Artificial Intelligence, Faculty of Information Technology, Monash University, Australia (alan.dorin@monash.edu) Authors: (1) Asaduz Zaman, Data Science and Artificial Intelligence, Faculty of Information Technology, Monash University, オーストラリア(asaduzzaman@monash.edu) (2) ヴァネッサ・ケラーマン(Vanessa Kellermann)、環境・遺伝学部、農業・生物医学・環境学部、ラ・トロブ大学、オーストラリア(v.kellermann@latrobe.edu.au) (3) Alan Dorin, Data Science and Artificial Intelligence, Faculty of Information Technology, Monash University, Australia (alan.dorin@monash.edu) 左のテーブル 抽象と1 導入 関連作品 方法 結果と議論 結論と参照 抽象 この研究は、アーカイブデータにおけるアーカイブデータにおける有機物の過去の発生を識別するための新しいコンセプトと実践的なテクニックである動物の効率的な再識別を導入し、長期的な行動研究における伝統的な前向きな時間の再識別方法を補完します。複数の科目の間で重要な個人の識別は、実験の後半に起こりうる場合、それは興味深い行動を通じて自らを明らかにする場合があります。しばしば、長期的な研究は、実験中に主体の磨きに遭遇します。このような個人の識別と追跡のためのトレーニングソフトウェアモデルに投資された努力は、実験を完了しない場合に無駄になります。理想的には、私たちは、実験を完了し、または興味 1.導入 長距離行動研究では、個々の対象を時間とともに追跡し、最初に現れたときにそれらを識別し、またその後の観察で再現したときには、行動を理解するために重要です。小さい、視覚的に類似した動物、例えば蜜蜂の再識別(再識別)は、物理的なマーカーやタグによってサポートされることがあります(2, 4, 14, 15)。しかし、これらは対象の行動を変えることができます(7)。マークレスの再識別は、研究者が研究対象の自然な行動を評価する可能性があります(16)。しかし、これは非常に類似した個体、例えば昆虫にとって困難であり、アルゴリズムを訓練する必要があり、しばしば手で記録された画像に基づいて(21)昆虫との実験では、被験者による死または消滅が数日 受験中に受験者が失われたり、視覚的に変化した場合、トレーニングイメージ分類ソフトウェアに投資されたリソースは潜在的に無駄になるでしょう。この効率性は、いくつかの受験者が最後まで生き残ることを期待して、複数の受験者で実験を実行する必要性によって悪化し、それらのうちのいくつかは、タスクを学び、パズルを解決したり、特定のリソースを収集したりなど、興味のある特定の行動を示すことになるでしょう。それゆえに、長期的な行動昆虫の研究では、初期のより大きなスタートセットからの主要な受験者の遅い識別が一般的です。研究者は、最終的に有用なデータを貢献しないトピックについて手動画像の注釈と再編モデルトレーニングを無駄に この問題に対処するための識別(retro-id)です。 レトロ 初期(一日目)データのトレーニングモデルの慣習に従って、実験中に個体を時間的に追跡しようとする代わりに、我々は時には逆を行う方が有用であることを提案する。すなわち、時には、我々は単に主要な(生存するか他の興味深い)個人の後期段階の実験画像データで私たちのアルゴリズムをトレーニングする必要があります。そして、我々は、実験中に彼らの行動を探求するためにアーカイブ画像データを通じて、後期的にこれらの重要な個体を追跡する必要があります。 私たちは、最初の日から昆虫画像データで訓練され、N日まで昆虫を再識別する能力をテストしたモデルは、N日データで訓練され、再識別昆虫にテストされたモデルと同様のパフォーマンスを示すと仮定します。私たちは、5日間で15個の蜂をモニタリングすることによってこれをテストしました。これらの半社会的受精者は、高い現象的類似性を持っています(図1)と、自然に互いに近くで見つかり、巣を共有し、再識別は生態学的に価値があるが挑戦的です。私たちは、1日と5日間のデータを使用して、いくつかの転送学習に基づく画像分類モデルを訓練し、その正確性をそれぞれ翌日と前日の順序で評価しました。 この論文は CC BY 4.0 DEED ライセンスの下で archiv で利用できます。 この紙は CC BY 4.0 DEED ライセンス ARCHIV で利用可能 ARCHIV で利用可能
