出典：ATYUN AIプラットフォーム
ハーバード大学の研究者や学術研究者が自動的に追跡し、正確性を追随を許さないた動物およびヒトにおける移動体の部分にマークを付けることができDeepLabCutと呼ばれる深い学習方法を開発します。
研究者は、彼らの論文で指摘：「カメラの技術は、異なる環境での動物の行動を観察し、記録する簡単な方法を提供していますが、さらなる分析のための抽出動作の特定の側面は非常に時間がかかることが、我々は深さベースの神経を提案します。学習ネットワークマークされていない姿勢推定、優れた結果を達成するための最小限のトレーニングデータとメソッドを転送するための効果的な方法は、「チームは説明しています。
チームは、NVIDIAのGeForce GTX 1080 TiとNVIDIA TITAN XPのGPUがImageNetデータセットからの画像の何百ものニューラルネットワークを訓練、cuDNN TensorFlow深い学習の枠組みで加速使用推定と体の部分が検出されたポーズを。
「我々は、行動の様々な複数の種を追跡するために、様々な身体の部分を介して、このフレームワークの汎用性を示さなければならない。タグ付けされたフレーム（〜200）のほんの数は、アルゴリズムは、テストフレームにできたとしても、ということは注目に値します精度を追跡することは非常に人間である、良好なトラッキング性能を達成、「チームは述べています。
ミシガン大学技能試験接点のラットの博士ダニエル・レーベンタールグループ。これらのデータは、自動ボールに回収作業しているトレーニングのための180で標識されたフレームワークを使用して、博士ダニエル・レーベンタールマークで到着します。
ツールボックスは、他の生物に適用することができ、研究者はこのツールキットは、マウスやショウジョウバエに適していると言ったが、フレームワーク上の制限はありません。
それは、そのような自分の脳がどのように動作するかを発見すると、動物を追跡することにより、生体力学モーションキャプチャに関する新しい手がかりを明らかにできました。モーションキャプチャと人間の物理療法の追跡を助けることができる、と選手は想像を絶する記録を乗り越える手助けします。
「ソリューションは、ボディモデル、シンプルなペン描画、時間情報や複雑な推論アルゴリズムを計算する必要はありません」と研究者らは述べています。「だから、それはすぐにコンピュータビジョンは、熟練したタッチなどの品質の固有の課題を提示またはショウジョウバエで卵を産む全く異なる振る舞いに適用することができます。」
別のケーススタディでは、プロジェクトが馬によって実装されていることを示しています。
このビデオでは、訓練するために別の馬を使用する最初、DeepLabCutを使用して、フレーム、再研修を証明するために、かつ自動的に映像を完了するためにラベルを適用するトラックにのみ11マークを追加します。
コード：github.com/AlexEMG/DeepLabCut
ペーパー：www.nature.com/articles/s41593-018-0209-y
これはATYUN切り替え人工知能、元のリンクをメディアプラットフォームを：AIは自動的に追跡し、動物の体の部分にマーカーを移動することができます
その他の推奨
Rapidminer：機械学習は、製造業に革命を起こしています
プログラマーの福音書！Googleの脳の開発チームの機械学習モデル、予測可能なソースコード
EUは、信頼性の高い人工知能の開発を促進するために、人工知能のガイドラインを発行しました
PI世界2019における工業製品のための人工知能のPetuum紹介
