【亚利桑那州立大学】经历社会相变的蚁群视频中异常状态的识别

【论文标题】Identification of Abnormal States in Videos of Ants Undergoing Social Phase Change 【作者团队】Taeyeong Choi, Benjamin Pyenson, Juergen Liebig, Theodore P. Pavlic 【发表时间】2020/09/18 【论文链接】https://arxiv.org/pdf/2009.08626v1.pdf 【论文代码】https://github.com/ctyeong/IO-GEN 【推荐理由】我们已经非常熟悉人工智能的各种应用，但亚利桑那州立大学的研究者们将人工智能引入生物学，并且得到了对异常检测有启发的结果，下面让我们来一起看看吧！ 生物学既是重要的应用领域，也是发展高级机器学习技术的动力之源。高质量视频记录技术的进步已开始生成丰富的数据集，这些数据集需要计算机视觉和时间序列分析中的复杂技术。本文集中研究一个约有50只蚂蚁的小型实验室菌落中的生殖调控。该过程的结论对于人类观察者而言很明显，但仍不清楚瞬态过程中的哪些行为对该过程有所贡献。为了解决这个问题，本文探索了单分类（OC）在检测蚁群中异常状态的潜在应用，这些异常状态的行为数据仅适用于训练期间的正常社会条件。本文建立了深度支持向量数据描述（DSVDD），并引入了内部异常值生成器（IO-GEN）。结果表明相对于其他DSVDD基线，IO-GEN可以提高最终OC分类器的可靠性。此方法可用于筛选需要其他人工观察的视频帧。虽然本文侧重于社交昆虫实验室菌落的应用，但该方法可以应用于来自其他社交系统的视频数据，以更好地了解背后的因果关系，甚至可以预测未来的发生。