每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

基于直接视频的时空深度学习用于牛跛足检测

Created by
  • Haebom

作者

Md Fahimuzzman Sohan、Raid Alzubi、Hadeel Alzoubi、Eid Albalawi、AH Abdul Hafez

大纲

本文提出了一种时空深度学习框架，利用公开的视频数据检测牛的步态异常。我们构建并发布了一个包含42头牛的50个视频片段的平衡数据集，并采用数据增强技术训练和评估两个深度学习模型：3D CNN 和 ConvLSTM2D 模型。3D CNN 模型实现了 90% 的视频级分类准确率以及 90.9% 的精确率、召回率和 F1 得分，优于 ConvLSTM2D 模型（准确率为 85%）。与依赖多阶段流程进行目标检测和姿态估计的现有方法不同，本研究展示了一种直接端到端视频分类方法的有效性。该方法能够有效地从不同的视频源中提取和学习时空特征，从而能够在现实农场环境中实现可扩展且高效的牛步态异常检测。

Takeaways，Limitations

•
Takeaways：
◦
提出了一种用于检测牛步态异常的有效端到端深度学习框架。
◦
通过3D CNN模型实现高精度（90%）。
◦
通过省略物体检测和姿势估计预处理步骤来提高效率。
◦
通过提供开放数据集促进进一步的研究。
•
Limitations：
◦
数据集相对较小（50 个视频片段）。
◦
需要对不同品种、年龄和环境条件的牛进行泛化性能验证。
◦
需要在实际农场环境中进行实时处理性能评估。
◦
ConvLSTM2D模型的性能低于3D CNN模型。
👍
Made with Slashpage