深度学习算法准确追踪动物运动

近日，英国《自然·神经科学》杂志在线发表了一项令人瞩目的研究，该研究由美国哈佛大学的一支精英团队完成。他们成功地运用一种新型深度学习算法，追踪动物运动及行为，无需采用追踪标记物或进行繁琐的手动分析，其准确度竟可达到人工水平。这一成果无疑打开了海量的数据来源之门，引起了行业内外的广泛关注。

在运动科学领域，准确追踪行为发生期间的身体运动部位一直是重中之重。传统的视频记录方式往往需要研究人员对每一帧进行繁琐的标记，或在研究对象的身体上放置标记物。这些标记物可能会干扰研究目标的行为，且通常只适用于有限类型的运动。

哈佛大学的科学家团队却打破了这一局限。他们利用机器学习开发了一款名为“DeepLabCut”的开源运动追踪工具。这款工具先经过大型目标识别图像数据库的预训练，之后只需接受小规模的人类标记图像（约200张）训练，即可完成一项新的追踪任务。这使得神经科学家在研究动物行为时，无需再受到传统方法的束缚。

研究人员演示了这种算法的惊人效果。在无需标记物的情况下，“DeepLabCut”可以追踪小鼠和苍蝇在各种行为期间的任意身体部位运动，并且准确度极高，达到了人工水平。无论是苍蝇产卵、伸吻，还是小鼠伸爪时每一个指的轨迹，都能被“DeepLabCut”精准捕捉。

中国北京大学魏坤琳与美国宾夕法尼亚大学康拉德·考丁在相关的新闻与观点文章中表示，“DeepLabCut”在理论上适用于任何视频，它不仅为运动科学打开了巨大的数据来源之门，更预示着未来“运动捕捉”将不再是一项困难重重的任务。他们坚信，随着“DeepLabCut”的普及，未来每个人在日常生活中都能轻松完成运动捕捉，这一转变将为我们开启全新的研究视角和无限可能。这一创新工具的出现无疑为科研人员提供了一个强大的武器，让我们共同期待它在未来的更多突破和应用。