Автори на: (1) Asaduz Zaman, Одделот за наука за податоци и вештачка интелигенција, Факултетот за информатичка технологија, Универзитетот Монаш, Австралија (asaduzzaman@monash.edu); (2) Ванеса Келлерман, Одделот за животна средина и генетика, Факултетот за земјоделство, биомедицина и животна средина, Универзитетот Ла Тробе, Австралија (v.kellermann@latrobe.edu.au); (3) Алан Дорин, Одделот за наука за податоци и вештачка интелигенција, Факултетот за информатичка технологија, Универзитетот Монаш, Австралија (alan.dorin@monash.edu). Authors: (1) Asaduz Zaman, Одделот за наука за податоци и вештачка интелигенција, Факултетот за информатичка технологија, Универзитетот Монаш, Австралија (asaduzzaman@monash.edu); (2) Ванеса Келлерман, Одделот за животна средина и генетика, Факултетот за земјоделство, биомедицина и животна средина, Универзитетот Ла Тробе, Австралија (v.kellermann@latrobe.edu.au); (3) Алан Дорин, Одделот за наука за податоци и вештачка интелигенција, Факултетот за информатичка технологија, Универзитетот Монаш, Австралија (alan.dorin@monash.edu). Табела на левицата Апстракт и 1. вовед Поврзани работи Методот Резултати и дискусија Заклучоци и референци апстракција Оваа студија воведува неефикасна ретро-идентификација на податоците на животните, нов концепт и практична техника за да се идентификуваат минатите настани на организми во архивирани податоци, која ги надополнува традиционалните методи за хронолошка ре-идентификација во истражувањето на долготрајното однесување. Идентификацијата на клучен поединец меѓу повеќе субјекти може да се случи доцна во експериментот ако се открие преку интересно однесување на животните по период на недиференциран перформанси. Често, долготрајните студии исто така се соочуваат со трошење на субјектот за време на експериментите. Напорите вложени во обука со софтверски модели за препознавање и следење на таквите поединци се губат ако тие не 1 Вовед Во пролонгиналните студии за однесување, следењето на поединечни субјекти со текот на времето, идентификувајќи ги кога првично се појавуваат, и повторно кога повторно се појавуваат во подоцнежните набљудувања, е од клучно значење за разбирање на однесувањето [2]. Повторното идентификување (ре-идентификација) на мали, визуелно слични животни, како што се пчели, може да биде поддржано со физички маркери или тагови [2, 4, 14, 15]. Сепак, овие можат да го променат однесувањето на субјектите [7]. Немаркерското повторно идентификување потенцијално им овозможува на истражувачите да го проценат природното однесување на субјектите во студијата [16]. Сепак, ова е тешко за високо слични пое Ако субјект е изгубен или визуелно изменета за време на експериментот, ресурси инвестирани во обука софтвер за класификација на слики за да се препознае тоа потенцијално ќе бидат потрошени. Оваа неефикасност е влошена од потребата да се спроведат експерименти на повеќе субјекти во очекување дека малку ќе преживеат до крајот, а од оние, уште помалку ќе покажат одредено однесување на интерес, како што се учење на задача, решавање на загатка или собирање на специфичен ресурс [8]. Значи, доцна идентификација на клучните субјекти од почетната поголема почетна сет е вообичаено во пролонгинално однесување инсекти студии. Како истражувачите може да се избегне губење на рачна слика анотација и ре-иден -Идентификација (ретро-идентификација) за да се справи со овој проблем. ретро Наместо да ја следиме конвенцијата за модели за обука на почетните (ден еден) податоци и да се обидеме да ги следиме поединците хронолошки за време на експериментот, предлагаме дека понекогаш може да биде повеќе корисно да се направи обратното. Тоа е, понекогаш треба да ги обучиме нашите алгоритми на податоците за експериментални слики во доцната фаза на само клучните (оживени или на друг начин интересни) поединци. И тогаш треба да ги следиме овие клучни поединци ретроспективно преку архивирани податоци за да го истражиме нивното однесување за време на експериментот. Ова се фокусира на анотација и обука за модели за субјекти кои се критични за студијата, наместо губење ресурси на субјекти кои Ние претпоставуваме дека моделот обучен на податоците за слики од инсекти од првиот ден и тестиран за неговата способност да ги ре-идентифицира инсектите до денот Н, ќе покаже исти перформанси како моделот обучен на податоците од денот Н и тестиран на ретро-идентифицирани инсекти назад до првиот ден. Ние го тестиравме ова со следење на 15 индивидуални пчели од пчели во текот на 5 дена. Овие полу-социјални опрашители имаат висока фенотипска сличност (Слика 1) и природно се наоѓаат блиску едни до други, дури и споделување гнезда, правејќи ре-идентификување еколошки вредно, но предизвик. Ние обучивме неколку модели за класификација на слики базирани на пренос со користење на податоци од Овој документ е достапен на архива под лиценца CC BY 4.0 DEED. Овој документ е достапен на архива под лиценца CC BY 4.0 DEED. Достапни за архивирање
