要約
私たちの目的は、生物学研究のための自動行動認識の前身として、雑然としたホームケージ環境で時間の経過とともに各マウスを特定し、一意の識別子を提供することです。
これは、(i) 各マウスの識別可能な視覚的特徴が欠如していること、および (ii) 一定のオクルージョンがあるシーンの狭い範囲にあるため、標準的な視覚追跡アプローチが使用できなくなるため、非常に困難な問題です。
ただし、各マウスの位置の大まかな推定は独自の RFID インプラントから得られるため、(弱い) 追跡からの情報と身元に関する大まかな情報を最適に組み合わせる可能性があります。
私たちの目的を達成するために、私たちは次の重要な貢献を行います: (a) 割り当て問題としての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)、および (b) トラックレットと RFID データ間の親和性の新しい確率モデル
。
後者は、大まかな位置特定を前提とした物体検出の原則に基づいた確率的処理を提供するため、モデルの重要な部分です。
私たちのアプローチは、この動物識別問題に関して 77% の精度を達成し、動物が隠れている場合でも誤った検出を拒否することができます。
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
| 著者 | Michael P. J. Camilleri,Li Zhang,Rasneer S. Bains,Andrew Zisserman,Christopher K. I. Williams |
| 発行日 | 2023-07-19 17:50:21+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google