欢迎光临
我们一直在努力
您的位置:首页>机器人项目 >

AI识别并分类野生动物行为

AI驱动的活动识别已被用于从行走风格中提取情绪,估计房间中有多少人,并且仅从开始和结束帧创建视频。但这并不是一件好事。在预印本服务器Arxiv.org上发表的一篇新论文(“识别野生动物群体行为的框架”)中,伊利诺伊大学,意大利米兰理工大学和加州大学戴维斯分校的科学家提出了一个统计框架。用于识别野生动物群体行为。他们说,在初步实验中,与基线方法相比,它表现出“显着[更好]”的分类准确性。

“理解动物的行为对于回答动物(包括人类)为什么做他们所做的事情的根本问题至关重要,”共同作者写道。“最近,生物学家开始使用可穿戴技术,如GPS,加速度计和无线电传感器来跟踪动物及其活动。然而,收集的原始数据不是人类可解释的,需要进行处理以提取行为模式......活动识别模型可用于学习原始时间序列与通过观察或其他方式收集的行为注释之间的关系。

正如研究人员所解释的那样,时间序列分类 - 即在连续时间获得的数量值的分类,通常在它们之间具有相等的间隔 - 通常使用时间序列分析或机器学习来解决。前者基于对原始信号的明确描述,而后者自动从输入数据中推断出特征。

研究人员的方法采用两步序列分析过程:首先,他们选择给定语料库的“最佳”全局时间分辨率(关于时间的测量分辨率),然后通过提取拓扑来编码动物组之间的社会关系和与分类相关的关系组件。

在实验中,该团队采购了一个公开的狒狒群体活动数据集,其中包含26个追踪35天的动物。他们根据邻近度定义了狒狒的社交网络,以便在彼此两米之内通过的狒狒被认为是相互作用的。

研究人员报告称,他们的方法比以前的方法实现了大约10%的准确性,并且添加社交信息导致比初始结果提高了7%。

“我们对现实世界数据集的评估表明,拟议的框架可以更好地识别野生动物群体的复杂行为动态,”共同作者写道,他们表示他们计划在未来的工作中纳入其他数据集。“我们目前正致力于将时间分辨率步骤扩展到更加动态的方法,允许不同的时间步骤,这将有助于更好地识别每种不同行为的关键组成部分。”

免责声明:本网站图片,文字之类版权申明,因为网站可以由注册用户自行上传图片或文字,本网站无法鉴别所上传图片或文字的知识版权,如果侵犯,请及时通知我们,本网站将在第一时间及时删除。