CVPRJun, 2021

基于视觉的小猪新颖性偏好行为识别

PDF
TL;DR利用深度学习模型对 “Pig Novelty Preference Behavior”（PNPB）数据集进行状态识别，其精度达到了 93％的准确度和 96％的平均精度，将深度学习引入到行为评分中，是提高领域特定度量的关键技术之一。
behavioral scoringdeep learningnovelty preference paradigmsstate-of-the-art action recognition modelspiglet behavior
发现论文，激发创造
  • 深度学习在牲畜行为识别中的应用：系统文献综述

    家畜健康和福利监测在过去通常是一项手动的、消耗大量人力的任务。近年来，人工智能和计算机视觉技术，特别是深度学习模型，已经被广泛应用于家畜行业作为决策工具。本文旨在通过系统文献综述，研究深度学习在家畜行为识别方面的应用和研究进展，分析了 44 个高质量的原始研究，讨论了性能评估、挑战以及发展自动化家畜行为识别系统的潜在解决方案与研究方向。

    Oct, 2023

  • 猪体全景实例分割

    通过计算机视觉技术中基于深度学习的实例分割方法来对猪进行像素级别的精准分割，从而获取更多的信息，例如大小或重量；该方法在包括遮挡和脏镜头在内的各种干扰下，以约 95％的检测率（F1 得分）在 1000 张手动标记的图像数据集上进行了测试。

    May, 2020

  • 使用深度学习的动物行为分析方法：一项综述

    动物行为学的关键研究方向是深度学习架构在动物行为识别中的应用、相关挑战以及未来研究方向。

    May, 2024

  • 基于 CNN 的视频动物行为识别与姿态估计：综述

    本研究概述了基于卷积神经网络体系结构的人类动作识别和姿态估计方法，并将其用于动物行为分类的技术进化及其架构适应性的分析。

    Jan, 2023

  • 探索阿尔茨海默病小鼠中的新型物体识别和自发位置识别机器学习分析技术

    本研究致力于开发、应用和评估一种最先进的计算流程，用于分析小鼠的对象识别模式，特别关注新颖对象识别和自发位置识别任务，并集成了 Any-Maze、DeepLabCut 和卷积神经网络等三种先进的计算模型来进行行为分类。该流程在四组不同的小鼠中应用，并展示了高准确性和稳健性。尽管存在视频质量限制和手动计算的需求等挑战，但结果肯定了该计算流程的效力和可扩展性，并证明了这种多维计算方法在行为神经科学中的潜力及其对未来更复杂分析的适应性。

    Dec, 2023

  • 基于注意力机制的循环神经网络用于自动行为识别蛋鸡

    通过声音分析识别下蛋鸡叫声类型，建立了基于循环神经网络的多标签分类模型，结合时间和频域特征，有效监测下蛋鸡行为，取得了较高的 F1 得分（F1=92.75）。

    Jan, 2024

  • 视频人体动作识别中的深度神经网络：综述

    本篇论文研究了基于视频的人体行为识别任务，通过比较现有的深度学习框架（尤其是视频动作识别的表现）和机器学习框架，提出了多项新颖的研究方案。

    May, 2023

  • 基于深度学习的猪形态分类，重点关注卫生监测

    评估使用 D-CNN 算法对猪体条件进行分类的研究，主要关注卫生监测中观察到的特征，包括尾部咬食、耳血肿、身体擦伤、发红和自然污渍（棕色或黑色）。研究结果表明，D-CNN 对与皮肤特征相关的猪体形态偏差具有有效分类能力，并通过分析 Precision、Recall、F-score、ANOVA 和 Scott-Knott 测试等性能指标进行评估。该研究的贡献在于提出了在猪类形态学分类中使用 D-CNN 网络的方法，并创建了一个新的图像数据库，可用于未来研究。

    Mar, 2024

  • 视频数据中人类行为识别的深度学习方法

    通过对深度学习模型的全面分析，这项研究揭示了卷积神经网络、循环神经网络和两流卷积神经网络在人体动作识别中的优势和性能差异，并强调了综合模型在实现强大的人体动作识别方面的潜力和优化的研究方向。

    Mar, 2024

  • 使用卷积神经网络、Transformers 和循环神经网络进行猪攻击分类

    动物行为分析和检测技术的发展是畜牧业的关键活动之一，可以监测应激和动物福利，并对农场决策有所贡献。本研究利用计算机视觉和人工智能中的不同技术对猪的视频进行分类，通过使用变体转换器以及卷积技术，重点研究了抗气性和非抗气性行为的识别。TimerSformer 技术在视频分类中表现最佳，中位数准确度达到 0.729。

    Mar, 2024