Implementacja DeepBehavior, zestawu narzędzi do głębokiego uczenia się krok po kroku do automatycznej analizy zachowania

Summary

Celem tego protokołu jest wykorzystanie gotowych konwolucyjnych sieci neuronowych do automatyzacji śledzenia zachowań i przeprowadzania szczegółowej analizy zachowań. Śledzenie zachowania może być stosowane do dowolnych danych wideo lub sekwencji obrazów i można je uogólnić w celu śledzenia dowolnego obiektu zdefiniowanego przez użytkownika.

Abstract

Zrozumienie zachowania jest pierwszym krokiem do prawdziwego zrozumienia mechanizmów neuronalnych w mózgu, które je napędzają. Tradycyjne metody analizy behawioralnej często nie oddają bogactwa tkwiącego w naturalnym zachowaniu. W tym miejscu przedstawiamy szczegółowe instrukcje krok po kroku wraz z wizualizacjami naszej najnowszej metodologii, DeepBehavior. Przybornik DeepBehavior wykorzystuje ramy głębokiego uczenia zbudowane z konwolucyjnych sieci neuronowych do szybkiego przetwarzania i analizowania filmów behawioralnych. Protokół ten demonstruje trzy różne ramy do wykrywania pojedynczych obiektów, wykrywania wielu obiektów i trójwymiarowego (3D) śledzenia pozycji stawów ludzkich. Struktury te zwracają współrzędne kartezjańskie obiektu zainteresowania dla każdej klatki filmu o zachowaniu. Dane zebrane z zestawu narzędzi DeepBehavior zawierają znacznie więcej szczegółów niż tradycyjne metody analizy zachowania i zapewniają szczegółowy wgląd w dynamikę zachowania. DeepBehavior kwantyfikuje zadania behawioralne w solidny, zautomatyzowany i precyzyjny sposób. Po zidentyfikowaniu zachowania dostarczany jest kod przetwarzania końcowego w celu wyodrębnienia informacji i wizualizacji z filmów behawioralnych.

Introduction

Szczegółowa analiza zachowania jest kluczem do zrozumienia relacji między mózgiem a zachowaniem. Dokonano wielu ekscytujących postępów w metodologiach rejestrowania i manipulowania populacjami neuronów z wysoką rozdzielczością czasową, jednak metody analizy zachowania nie rozwinęły się w tym samym tempie i ograniczają się do pomiarów pośrednich i podejścia redukcjonistycznego¹. Ostatnio opracowano metody oparte na głębokim uczeniu do przeprowadzania zautomatyzowanej i szczegółowej analizy zachowania^2,3,4,5. Ten protok....

Protocol

1. Konfiguracja GPU i Pythona

1. Oprogramowanie GPU
   Gdy komputer jest po raz pierwszy konfigurowany do aplikacji głębokiego uczenia, należy zainstalować oprogramowanie i sterowniki odpowiednie dla procesora graficznego, które można znaleźć na odpowiedniej stronie internetowej procesora graficznego. (patrz Tabela materiałów dla tych wykorzystanych w tym badaniu).
2. Instalacja Pythona 2.7
   Otwórz wiersz poleceń na swoim komputerze.
   Wiersz poleceń: sudo apt-get install python-python-dev python-virtualenv

2. TENSORBOX

1. Konf....

Results

Gdy protokół jest przestrzegany, dane dla każdej architektury sieci powinny być podobne do poniższych. W przypadku TensorBox wyprowadza pole ograniczenia wokół obiektu zainteresowania. W naszym przykładzie wykorzystaliśmy filmy z zadania polegającego na docieraniu do granulek żywności i oznaczyliśmy prawe łapy, aby śledzić ich ruch. Jak widać na Rysunek 1, prawa łapa może być wykryta w różnych pozycjach zarówno w kamerze widoku z przodu, jak i z boku. Po prze.......

Discussion

W tym miejscu przedstawiamy przewodnik krok po kroku dotyczący implementacji DeepBehavior, naszego niedawno opracowanego zestawu narzędzi opartego na głębokim uczeniu do analizy danych obrazowania zachowań zwierząt i ludzi². Udostępniamy szczegółowe wyjaśnienia dla każdego kroku instalacji struktur dla każdej architektury sieciowej oraz udostępniamy łącza do instalacji wymagań open source, aby móc uruchomić te struktury. Pokazujemy, jak je instalować, jak tworzyć dane treningowe, jak trenować sieć.......

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
CUDA v8.0.61	NVIDIA	n/a	GPU Software
MATLAB R2016b	Mathworks	n/a	Matlab
Python 2.7	Python	n/a	Wersja Pythona
Quadro P6000	NVIDIA	n/a	GPU Procesor
Ubuntu v16.04	Ubuntu	n/a	System operacyjny