Tracktor: Image‐based automated tracking of animal movement and behaviour
Notice bibliographique
Résumé
Abstract Automated movement tracking is essential for high‐throughput quantitative analyses of the behaviour and kinematics of organisms. Automated tracking also improves replicability by avoiding observer bias and allowing reproducible workflows. However, few automated tracking programs exist that are open access, open source and capable of tracking unmarked organisms in noisy environments. Tracktor is an image‐based tracking freeware designed to perform single‐object tracking in noisy environments, or multi‐object tracking in uniform environments while maintaining individual identities. Tracktor is code‐based but requires no coding skills other than the user being able to specify tracking parameters in a designated location, much like in a graphical user interface. The installation and use of the software is fully detailed in a user manual. Through four examples of common tracking problems, we show that Tracktor is able to track a variety of animals in diverse conditions. The main strengths of Tracktor lie in its ability to track single individuals under noisy conditions (e.g. when the object shape is distorted), its robustness to perturbations (e.g. changes in lighting conditions during the experiment), and its capacity to track multiple unmarked individuals while maintaining their identities. Additionally, summary statistics and plots allow measuring and visualising common metrics used in the analysis of animal movement (e.g. cumulative distance, speed, acceleration, activity, time spent in specific areas and distance to conspecific, etc.). Tracktor is a versatile, reliable and easy‐to‐use automated tracking software that is compatible with all operating systems and provides many features not available in other existing freeware. Access Tracktor and the complete user manual here: https://github.com/vivekhsridhar/tracktor
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,007 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».