.png){kind=icon}
返回
Tracking Spatial and Activity Patterns in Captive Reptiles Using Deep Learning
.png){kind=icon}
PRE
AI
DOI：10.3390/conservation6020061.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
许多小型脊椎动物物种的知识库仍然有限，这主要因为传统的人工数据收集方法往往忽视不那么引人注目的物种，如爬行动物。为解决这一问题，我们的试点研究利用开源深度学习和无标记姿态估计技术，评估追踪圈养变温动物空间利用和活动模式的技术可行性。具体而言，我们在动态变化的环境中，对澳大利亚吠壁虎（Underwoodisaurus milii）的这些模式进行了为期两个月的追踪。我们的发现揭示了在不同结构布局下空间占据和邻近关系的描述性变化。该系统在与人工真值数据验证时，达到了高原始检测准确率（96.4%）和空间分类准确率（91.7%），证实了其稳健的技术性能和精度。此外，我们还自动评估了空间代理指标，如活动时间预算、速度、加速度和高度使用情况，标准化了针对夜行物种的大量视频记录的分析。本次试点测试介绍了一种简单、低成本的数据快速提取方法，为未充分研究物种的管理提供了可靠、可扩展的监测方案。
Keyword:
space occupancy
deep lab cut
captive management
markerless pose estimation
