动物行为学的关键研究方向是深度学习架构在动物行为识别中的应用、相关挑战以及未来研究方向。
May, 2024
本研究概述了基于卷积神经网络体系结构的人类动作识别和姿态估计方法,并将其用于动物行为分类的技术进化及其架构适应性的分析。
Jan, 2023
本文讲述了如何使用深度学习从视频中非侵入式地提取行为测量,并探讨了这一新算法的原理、潜在优势和局限性,揭示了运动捕捉与深度学习相结合的未来发展方向。
Sep, 2020
SuperAnimal 是一种新的解决行为分析中 pose 估计问题的 plug-and-play 解决方案,使用深度学习技术自动提取关键点,无需人工标记,并可应用于超过 45 种物种。
Mar, 2022
计算机视觉在动物认知和行为研究中有巨大潜力,但目前在野外视频中仍存在巨大的实践挑战,本文通过综述当前相关方法和引导行为科学家以及计算机视觉研究人员来逐渐填补这一差距。
Jan, 2024
野生动物种类的自动识别与行为分析是野外生态研究和动物保护的重要技术之一。该研究利用深度卷积神经网络技术,对 320 万张 “快照大草原” 数据集中涵盖的 48 种动物进行识别、计数、行为描述分析,自动提取数据并有效地提高数据分析的效率。
Mar, 2017
通过深度神经网络的迁移学习方法,本论文提出了一种高效的无标记跟踪方法,可以在不同的实验环境中跟踪动物不同的身体部位,尤其在少量训练数据的情况下也能获得很好的跟踪效果。
Apr, 2018
本文提出了使用 Lift-Pose 模型从单视角摄像机视图中对自由运动啮齿动物进行可靠的三维姿态估计,并评估了两种模型结构的性能。通过这项工作,我们希望为神经科学社区中广泛范围的实验和设置的自由运动啮齿动物的更健壮和多样化的行为追踪做出贡献。
Jun, 2021
本文概述了深度学习在计算机视觉领域中对相机姿态估计的应用,描述了关键方法和趋势,对现有的学习为基础的姿态估计器进行了广泛的交叉比较,并讨论了新出现的解决方案和未来的研究方向。
Jul, 2019
该论文综述了基于深度学习的姿势分析应用,包括姿势估计、姿势跟踪和动作识别,并讨论了现有技术的优势和局限性,重点介绍了将这三个任务整合到视频序列的统一框架中的方法,并探讨了相关挑战和未来研究方向。
Oct, 2023