清華新聞網(wǎng)6月23日電 快速準(zhǔn)確地表征動(dòng)物行為對(duì)神經(jīng)科學(xué)研究至關(guān)重要。深度學(xué)習(xí)模型已經(jīng)被廣泛地應(yīng)用于實(shí)驗(yàn)室中的動(dòng)物行為分析，然而，常見(jiàn)的深度學(xué)習(xí)模型通常依賴(lài)人工標(biāo)注來(lái)完成訓(xùn)練，現(xiàn)存的姿態(tài)估計(jì)方法也不適用對(duì)社交行為中多個(gè)體頻繁互動(dòng)的分析。
清華大學(xué)生命學(xué)院、清華IDG麥戈文腦科學(xué)研究院張偉研究員課題組開(kāi)發(fā)了一種深度無(wú)監(jiān)督學(xué)習(xí)方法（Selfee）來(lái)表征動(dòng)物行為。該方法在行為分類(lèi)問(wèn)題上可以取得和經(jīng)典的動(dòng)物姿態(tài)估計(jì)特征相近的準(zhǔn)確度。同時(shí)，此方法有效地避免了人工標(biāo)記可能引入的主觀(guān)偏差，并可以有效地表征低分辨率下的多個(gè)體大范圍身體重疊的視頻幀，極大地節(jié)約了人工成本。使用該方法提取的特征可被用于異常檢測(cè)、動(dòng)物行為模式分析和行為視頻對(duì)齊等多種任務(wù)。分析結(jié)果可與進(jìn)一步的行為實(shí)驗(yàn)結(jié)果相互印證。以上結(jié)果表明Selfee是一種有效的無(wú)監(jiān)督動(dòng)物行為分析方法。
圖1. Selfee利用無(wú)監(jiān)督機(jī)器學(xué)習(xí)算法提取動(dòng)物行為視頻中的全局特征。這些特征可用于深入分析動(dòng)物行為中的異常表現(xiàn)和時(shí)間特性
該研究于6月17日在線(xiàn)發(fā)表在《e生命》（eLife）期刊上，題目為：“Selfee,一種自監(jiān)督的動(dòng)物行為特征提取方法”（Selfee, Self-supervised Features Extraction of animal behaviors）。
清華大學(xué)生命學(xué)院2020級(jí)博士生賈寅君為本文第一作者兼通訊作者，張偉研究員為本文共同通訊作者。張偉實(shí)驗(yàn)室2018級(jí)博士生郭璇和生命學(xué)院2018級(jí)本科生胡俊強(qiáng)提供了技術(shù)支持。中國(guó)科學(xué)院腦科學(xué)與智能技術(shù)卓越創(chuàng)新中心的許曉鴻研究員提供了重要數(shù)據(jù)。本研究還得到了清華大學(xué)生命學(xué)院鐘毅教授及其實(shí)驗(yàn)室雷博博士的幫助。
該研究工作得到國(guó)家自然科學(xué)基金委、科技部重點(diǎn)研發(fā)計(jì)劃、北京市科委、清華大學(xué)自主科研基金和清華-IDG/麥戈文腦科學(xué)研究院“Brain+X”種子基金、北京市腦科學(xué)與類(lèi)腦研究中心等資助。
論文鏈接：
https://elifesciences.org/articles/76218
供稿：生命學(xué)院
編輯：李華山
審核：呂婷
