Les biologistes étudient souvent un grand nombre d’animaux pour collecter des données sur le comportement collectif et individuel. Les nouveaux outils d’apprentissage automatique promettent d’aider les scientifiques à traiter plus rapidement l’énorme quantité de données générées par ces travaux tout en réduisant la charge de travail.
Désormais, un nouvel outil appelé replicaAnt simplifie et rationalise la façon dont les images de formation pour ces outils d’apprentissage automatique sont créées, ce qui rend plus rapide et plus facile l’enregistrement d’observations sur de nombreux animaux à la fois, à commencer par les insectes.
Base de données sur les animaux
Les outils d’IA existants à cette fin nécessitent que les utilisateurs annotent minutieusement manuellement des centaines d’images pour fournir une base de données à partir de laquelle l’ordinateur peut apprendre. Pour lutter contre cela, replicaAnt crée automatiquement des milliers d’images annotées d’un simple clic de souris, intégrant de manière transparente les variations des espèces et des environnements. En fin de compte, ces données générées par l’IA pourraient augmenter la rapidité et la robustesse de l’utilisation des outils d’IA dans la recherche animale.
L’ouvrage est publié dans Communications naturelles.
Auteur principal Fabian Plum, Ph.D. chercheur au département de bio-ingénierie de l’Imperial College de Londres, a déclaré : « Il faut beaucoup de temps pour mettre en place des études sur un grand nombre d’animaux et pour apprendre à utiliser de nouveaux outils. replicant abaisse la barrière d’entrée pour les biologistes qui souhaitent utiliser l’apprentissage automatique pour optimiser leur travail.”
L’outil s’appuie sur l’outil précédent de l’équipe de recherche, scAnt, un scanner 3D qui photographie les petits animaux avec des détails méticuleux pour produire des modèles 3D haute résolution de créatures. Les modèles 3D générés par scAnt ont été utilisés dans Replicant, qui utilise le logiciel 3D Unreal Engine pour produire des images d’entraînement permettant de détecter et de suivre les animaux en laboratoire et dans la nature, libérant ainsi le temps des chercheurs et rationalisant leur travail.
Pour démontrer l’utilité de replicant, les chercheurs ont formé des réseaux de neurones (des ensembles d’algorithmes qui reconnaissent les relations sous-jacentes dans les données) sur ces images. Cela a permis aux réseaux de neurones de reconnaître les individus et de suivre leurs mouvements dans différents environnements dès le départ. Pour d’autres, l’étiquetage manuel requis des images réelles a été réduit d’un ordre de grandeur.
Fabian a déclaré : « Comprendre le comportement des animaux, en particulier à mesure que notre climat change, est crucial. Nous espérons que notre outil pourra contribuer à rendre le processus fastidieux de collecte de données cruciales plus facile et plus rapide. »
D’autres applications pourraient inclure l’utilisation de données de mouvement en temps réel pour informer sur les mouvements des personnages dans les films et les jeux vidéo.
Plus d’information:
Fabian Plum et al, replicant : un pipeline pour générer des images annotées d’animaux dans des environnements complexes à l’aide d’Unreal Engine, Communications naturelles (2023). DOI : 10.1038/s41467-023-42898-9
Fourni par l’Imperial College de Londres
Citation: Un nouvel outil pour aider l’IA à suivre les animaux pourrait stimuler la recherche en biologie (14 novembre 2023) récupéré le 14 novembre 2023 sur
Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans autorisation écrite. Le contenu est fourni seulement pour information.
