Persistent Animal Identification Leveraging Non-Visual Markers

要約

タイトル：非視覚マーカーを活用した永続的な動物識別

要約：
– 目的：自動化された生物学的研究のための行動認識の前兆として、ねずみの各個体を混雑したホームケージ環境で識別し、ユニークな識別子を提供すること。
– 課題：（i）各ネズミの区別できる視覚的特徴がなく、（ii）定期的な遮蔽物がある狭い場面であるため、標準的な視覚的追跡アプローチを使用できないことから、非常に困難な問題である。
– ソリューション：各ネズミの位置の粗い推定値は一意のRFIDインプラントから利用可能であり、トラッキングと識別情報の粗い情報を最適に組み合わせる可能性がある。以下の鍵となる貢献をすることでこの目的を達成する：（a）割り当て問題としてオブジェクト識別問題の定式化（整数線形計画法を使用して解決）、（b）トラックレットとRFIDデータ間の親和性に関する新しい確率モデル。後者は、識別子の粗い局所化に基づくオブジェクト検出の原理的な確率的扱いを提供するため、モデルの重要な部分である。このアプローチにより、動物識別問題で77%の精度を達成し、動物が隠れた場合にスパイラル検出を拒否できる。

要約(オリジナル)

Our objective is to locate and provide a unique identifier for each mouse in a cluttered home-cage environment through time, as a precursor to automated behaviour recognition for biological research. This is a very challenging problem due to (i) the lack of distinguishing visual features for each mouse, and (ii) the close confines of the scene with constant occlusion, making standard visual tracking approaches unusable. However, a coarse estimate of each mouse’s location is available from a unique RFID implant, so there is the potential to optimally combine information from (weak) tracking with coarse information on identity. To achieve our objective, we make the following key contributions: (a) the formulation of the object identification problem as an assignment problem (solved using Integer Linear Programming), and (b) a novel probabilistic model of the affinity between tracklets and RFID data. The latter is a crucial part of the model, as it provides a principled probabilistic treatment of object detections given coarse localisation. Our approach achieves 77% accuracy on this animal identification problem, and is able to reject spurious detections when the animals are hidden.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI