Mar, 2018

BioTracker: 一种用于可视化动物跟踪的开源计算机视觉框架

PDF
TL;DR介绍了一种名为 BioTracker 的开源计算机视觉框架，可用于追踪动物在不同环境中的位置，提供多种不同的跟踪算法并支持自定义实现新的跟踪模块和视觉算法，有助于加快科学研究速度和开发新的视觉算法。
animal behaviorcomputer visiontrackingopen-source frameworkvision algorithms
发现论文，激发创造
  • 多相机实时多飞行动物三维跟踪

    描述了一个跟踪动物运动的自动化系统，并使用实时跟踪和多目标跟踪算法将动物的运动和行为控制与视觉反馈联系起来，以观察其神经基础，同时利用该系统测量果蝇飞行速度与视觉对比度的关系。

    Jan, 2010

  • 野外灵长类动物行为分析的计算机视觉

    计算机视觉在动物认知和行为研究中有巨大潜力，但目前在野外视频中仍存在巨大的实践挑战，本文通过综述当前相关方法和引导行为科学家以及计算机视觉研究人员来逐渐填补这一差距。

    Jan, 2024

  • BIT：生物启示追踪器

    本文介绍了一种基于仿生学模型的视觉跟踪方法，该方法模拟大脑视皮层的视觉认知机制，采用浅层神经元和高级学习机制，加速了实时学习和检测，实验证明该方法具有较高的效率、精度和鲁棒性。

    Apr, 2019

  • BU-CVKit：可扩展的计算机视觉框架，用于物种无关的跟踪和分析

    本文介绍了 BU-CVKit—— 一个计算机视觉框架，它可以实现研究流水线的创建，包括可链接的处理器，并且使得其易于复用、访问和从最小开销中提高他人作品的可用性和曝光率。我们提供了 MuSeqPose Kit 作为 BU-CVKit 的用户界面，以自动扫描已安装的插件，并基于用户提供的元数据以程序生成接口。最后，我们展示了使用样例插件构建的行为神经科学流水线的示例。

    Jun, 2023

  • ToxTrac: 用于追踪生物的快速而强大的软件

    ToxTrac 是一款用于图像跟踪的开源软件，可高速同时处理多个实验室环境中的生物，无需对被跟踪物体的几何知识，如果出现交叉则保留个体识别，并提供实用的运动信息和统计数据。

    Jun, 2017

  • 图案物种中个体的自动检测与识别

    开发了一个自动检测和识别老虎、斑马和美洲豹等有斑点物种个体的框架，使用了 Faster-RCNN 目标检测框架来有效地在图像中检测动物，在动物的侧面提取 AlexNet 特征并训练逻辑回归 (或线性 SVM) 分类器来识别个体。在相机陷阱老虎图像数据集上测试和评估后发现，和最先进的识别技术相比，我们的框架在检测结果方面具有完美的表现，在个体的识别方面，表现相似或更好。

    May, 2020

  • 使用深度学习进行用户定义特征的无标记跟踪

    通过深度神经网络的迁移学习方法，本论文提出了一种高效的无标记跟踪方法，可以在不同的实验环境中跟踪动物不同的身体部位，尤其在少量训练数据的情况下也能获得很好的跟踪效果。

    Apr, 2018

  • 利用机器学习软件进行扩展目标跟踪 -- 应用于动物分类

    该论文考虑了在图像序列中检测和跟踪对象的问题，使用对象检测算法的输出作为测量，提出了一种扩展的过滤公式，将前一帧的类别信息纳入以增强分类的鲁棒性，即使对象检测算法输出错误的预测。此外，利用对象检测算法的属性量化了每帧中界定框检测的不确定性，该完整的过滤方法在瑞典四种大型食肉动物（熊、猞猁、狼和狼）的照相机陷阱图像上进行了评估，实验结果表明类别跟踪公式可以得到更强大的分类。

    Oct, 2023

  • 人类和机器中的无需重新识别追踪

    研究深度神经网络在视觉追踪中是否具有物体外观和运动特征模拟的能力，并提出了一种追踪对象基于动态线索电路模型，并将之加到基于转换器的体系结构进行追踪，使其具有更好的普遍性和鲁棒性。

    May, 2021

  • 从上方观察群体动态：一种无人机视频高级目标跟踪框架

    利用传统概率方法和语义对象分割的先进技术，通过跟踪鱼群在世界坐标系中的位置和空间扩展，结合视频数据和无人机上的传感器信息，从而实现对鱼群行为的长期分析。

    Jun, 2024