Aug, 2024

2024年鱼类跟踪挑战赛：使用甜鱼群体数据的多目标跟踪竞赛

HTML
PDF
TL;DR本研究旨在解决水生环境中集体动物行为研究中的难题，通过组织2024年鱼类跟踪挑战赛，鼓励开发能够同时追踪10条甜鱼位置的先进模型。研究介绍了比赛的背景、目标和甜鱼数据集，并展示了获胜者的多种创新方法，推动了自动检测与跟踪算法的发展，对水生动物运动的动态理解有重要意义。
发现论文，激发创造
  • BioTracker:一种用于可视化动物跟踪的开源计算机视觉框架

    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。

    Mar, 2018

  • 3D-ZeF: 一份3D斑马鱼跟踪基准数据集

    提供了一个名为3D-ZeF的新型可公开获取的基于立体视觉的3D RGB数据集用于多物体斑马鱼跟踪，该数据集包含了斑马鱼在行为分析中被经常使用于研究的神经学疾病、药物成瘾等方面的八个序列以及一个基于自由移动的斑马鱼数量介于1-10之间的视频，此外还提供了一个用于3D跟踪斑马鱼的模块化基线系统。

    Jun, 2020

  • Caltech鱼类计数数据集：多目标跟踪和计数的基准测试

    本文介绍了Caltech鱼类计数数据集（CFC），它是一种大规模的数据集，用于检测、跟踪和计数声纳视频中的鱼类。该数据集为低信噪比计算机视觉应用程序提供了丰富的数据来源，并且比现有的大多数计数数据集来源更自然。我们使用基线实验来评估MOT和计数中的泛化表现，并确定了进一步发展状态的关键挑战和机遇。

    Jul, 2022

  • 基于统一外观迭代关联检测的多目标跟踪技术在拖网捕鱼副捕物监测中的应用

    该论文提出了一种基于现有观测中心跟踪算法的新型多目标跟踪方法，采用新的迭代关联步骤大大提高了对具有均匀外观的目标的跟踪性能。

    Apr, 2023

  • FathomNet2023竞赛数据集

    海洋科学家收集了图像数据进行研究海洋生物多年来，这些图像和视频在基础科学和环境监测任务中非常有价值。然而，目前没有能够处理海洋视觉采样中普遍存在的样本种群的极端变异性、图像质量和栖息地特征的工具。为了充分利用海洋中的视觉数据，创建能够识别图像或视频序列中是否包含新生物、非常规动物集合或者是否越界的模型至关重要。FathomNet2023竞赛数据集提供了一个真实的情景，其中目标数据中的动物集合与训练数据不同。挑战是在目标图像中识别生物并评估其是否越界。

    Jul, 2023

  • 通过深度学习在动物携带的水下视频中检测企鹅及其猎物

    我们提供了一种高度可靠的水下企鹅检测器、鱼类检测器和海洋掠食者复杂行为的自动视觉检测的宝贵初步尝试。

    Aug, 2023

  • FishMOT: 基于 IoU 匹配的简单有效鱼类跟踪方法

    该研究提出了一种名为FishMOT的新型鱼类多目标跟踪方法，该方法将目标检测技术与IoU匹配算法相结合，实现了高效、精确和稳健的鱼类检测和跟踪，显著减少了计算时间和存储空间。实验结果表明，该方法在各种评估指标上优于其他方法，速度更快，内存需求更低。

    Sep, 2023

  • APTv2：大规模数据集及其性能超越的动物姿态估计和追踪评测

    动物姿势估计和跟踪（APT）是在一系列视频帧中检测和监测动物关键点的关键任务，是理解动物行为的基础，该研究介绍了APTv2——一个用于动物姿势估计和跟踪的先驱性大规模基准测试集，包含了来自30种不同动物物种的2,749个经过筛选和收集的视频剪辑，通过手工注释和严格的验证为共84,611个动物实例提供了高质量的关键点和跟踪注释。

    Dec, 2023

  • 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

  • FMRFT：融合Mamba和DETR进行查询时间序列交集鱼类跟踪

    该研究解决了工厂水产养殖中鱼类多目标跟踪面临的水下反射、高相似性和多目标遮挡等挑战。论文提出了一种实时端到端鱼类跟踪模型FMRFT，利用Mamba In Mamba架构和RT-DETR特性，实现快速特征提取和有效的遮挡处理。实验结果显示，该模型在IDF1得分达到90.3%和MOTA准确度达到94.3%，表明其在高相似性和遮挡情况下具有显著的跟踪优势。

    Sep, 2024