CVPRMar, 2023

使用卷积神经网络和基于注意力的网络进行端到端训练，自动评估拖网渔具中的聚集行为

PDF
TL;DR本文探讨了如何通过卷积神经网络、注意力机制等深度学习方法来对钓鱼装备周围低能见度环境下的驱鱼行为进行自动分类，并比较了三种不同网络模型在分类精度上的表现。同时，文章也指出了在进行科学数据自动评估时，实验设计的重要性以及训练模型检查的实用性。
herding behaviordeep learningconvolutional neural networksattention mechanismend-to-end learning
发现论文，激发创造
  • 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

  • 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

  • 评估使用 ROV 辅助的深度学习自动化水产养殖网箱检测

    本文提出了一种基于机器人的海水养殖网箱自动损伤检测系统，用于在 ROV 处理过程中和实时检测中检测网的损伤部分，该系统通过 ROV 的载体摄像机获取视频流，采用深度学习检测器，在不同水下条件下将图像的有缺陷部分与背景进行分割，该方法经过测试后表明其高准确性即使在逆境情况下，并且适用于嵌入式平台的实时处理。

    Aug, 2023

  • 双流卷积神经网络视频特征学习分析 —— 以斑马鱼游泳节律分类为例

    采用深度泰勒分解技术生成热图来突出预测的高相关性输入区域，研究表明用于分析鱼尾稳定性的卷积神经网络 (CNN) 更好地区分斑马鱼的泳动方式，并探究网络对实验人为因素的关注点，移除后 CNN 分类准确率提高至 96.32%，证明了 AI 的可解释性对 CNN 的有用性。

    Dec, 2019

  • 相机陷阱图像中野生动物开放式长尾识别的时间流掩码注意力

    本研究使用无人照相机和深度学习技术收集野生动物图像，并采用 Temporal Flow Mask Attention Network 网络来解决开放性长尾识别问题，该网络包含光流模块、注意力残差模块和元嵌入分类器，实验证明该方法在未知分类上具有泛化性能。

    Aug, 2022

  • 利用非常深的卷积神经网络在相机陷阱图像中识别动物物种，实现野生动物的自动监测

    使用深度卷积神经网络在野外通过摄像监控自动识别动物种类的方法，优于之前的尝试，证明了在摄像监控的图像中，识别可以自动化。

    Mar, 2016

  • 利用深度学习在相机陷阱图像中自动识别、统计和描述野生动物

    野生动物种类的自动识别与行为分析是野外生态研究和动物保护的重要技术之一。该研究利用深度卷积神经网络技术，对 320 万张 “快照大草原” 数据集中涵盖的 48 种动物进行识别、计数、行为描述分析，自动提取数据并有效地提高数据分析的效率。

    Mar, 2017

  • 野生动物图像的迭代式人工和自动识别

    这篇研究论文提出了一种基于深度学习和人类协作的相互迭代的方法，能够学习野生动物图像数据的长尾分布，有效提高了相较于现有方法人类注释工作量的减轻程度，并将深度学习由一个相对低效的后注释工具转变为一种始终保持高效模型更新的协作注释工具。

    May, 2021

  • 使用混合框架 / 事件驱动卷积神经网络来操纵捕食机器人

    描述了在掠食者 / 猎物情境下，应用卷积神经网络 (CNN) 的情形。该网络以动态和主动像素传感器 (DAVIS) 上的数据为基础，由常规图像帧和动态视觉传感器帧驱动，并根据场景活动的采样率生成四个输出。实验结果表明，该网络在机器人实时接收到方向指示时能够得出高达 87％或 92％的精度。

    Jun, 2016

  • 无人驾驶汽车的端到端学习

    使用卷积神经网络实现端到端的无人驾驶系统，自动学习所需处理步骤的内部表示，以及如何检测车道等相关功能优化，最终将导致更好的表现和更小的系统

    Apr, 2016