Fugu-MT 論文翻訳(概要): Durocmien: A deep framework for duroc skeleton extraction in constraint environment

論文の概要: Durocmien: A deep framework for duroc skeleton extraction in constraint environment

arxiv url: http://arxiv.org/abs/2002.03727v1
Date: Fri, 17 Jan 2020 14:49:36 GMT
ステータス: 処理完了
システム内更新日: 2023-01-10 12:46:00.554202
Title: Durocmien: A deep framework for duroc skeleton extraction in constraint environment
Title（参考訳）: Durocmien: 拘束環境下でのデュロック骨格抽出のための深い枠組み
Authors: Akif Quddus Khan, Salman Khan
Abstract要約: そこで我々はDUROCMIENという深層ネットワークを提案し,移動学習を利用してDurocのネットワークを訓練した。合計で9つのキーポイントに注釈が付され、ファームセッティングにおける簡単な詳細な行動分析が提供されている。
参考スコア（独自算出の注目度）: 16.643402503006136
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Farm animal behavior analysis is a crucial tasks for the industrial farming. In an indoor farm setting, extracting Key joints of animal is essential for tracking the animal for longer period of time. In this paper, we proposed a deep network named DUROCMIEN that exploit transfer learning to trained the network for the Duroc, a domestic breed of pig, an end to end fashion. The backbone of the architecture is based on hourglass stacked dense-net. In order to train the network, key frames are selected from the test data using K-mean sampler. In total, 9 Keypoints are annotated that gives a brief detailed behavior analysis in the farm setting. Extensive experiments are conducted and the quantitative results show that the network has the potential of increasing the tracking performance by a substantial margin.
Abstract（参考訳）: 農業動物行動分析は産業農業にとって重要な課題である。屋内農場では、動物のキージョイントを抽出することは、長期間動物を追跡するのに不可欠である。本稿では,DUROCMIENという深層ネットワークを提案し,トランスファー学習を利用してDurocのネットワークを訓練した。アーキテクチャのバックボーンは hourglass stacked dense-net に基づいている。ネットワークをトレーニングするために、キーフレームをK平均サンプリング器を用いてテストデータから選択する。合計9つのキーポイントがアノテートされ、農場環境での詳細な行動分析がおこなわれる。大規模実験を行い, 定量的な結果から, ネットワークは追跡性能を大幅に向上する可能性が示唆された。

関連論文リスト

AnimalFormer: Multimodal Vision Framework for Behavior-based Precision Livestock Farming [0.0]
精密畜産のためのマルチモーダルビジョン・フレームワークを提案する。我々は、GroundingDINO、HQSAM、ViTPoseモデルのパワーを利用する。このスイートは、侵入的な動物タグ付けをすることなく、ビデオデータから包括的な行動分析を可能にする。
論文参考訳（メタデータ） (2024-06-14T04:42:44Z)
RAT: Retrieval-Augmented Transformer for Click-Through Rate Prediction [68.34355552090103]
本稿では, 試料内および試料間における微細な特徴相互作用の獲得を目的とした検索-拡張変換器(RAT)を開発した。次に、トランスフォーマー層をカスケードされた注意で構築し、イントラサンプルとクロスサンプルの両方の機能インタラクションをキャプチャします。実世界のデータセットの実験は、RATの有効性を裏付け、ロングテールシナリオにおいてその利点を示唆している。
論文参考訳（メタデータ） (2024-04-02T19:14:23Z)
Automated Behavioral Analysis Using Instance Segmentation [2.043437148047176]
動物行動分析は、生命科学や生物医学研究など、様々な分野で重要な役割を果たしている。利用可能なデータの不足とラベル付きデータセットの大量取得に伴う高コストが大きな課題となっている。本稿では,これらの問題に対処するために,インスタンスセグメンテーションに基づくトランスファー学習を活用する新しい手法を提案する。
論文参考訳（メタデータ） (2023-12-12T20:36:36Z)
SAR Despeckling Using Overcomplete Convolutional Networks [53.99620005035804]
スペックルはSAR画像を劣化させるため、リモートセンシングにおいて重要な問題である。近年の研究では、畳み込みニューラルネットワーク(CNN)が古典的解法よりも優れていることが示されている。本研究は、受容場を制限することで低レベルの特徴を学習することに集中するために、過剰なCNNアーキテクチャを用いる。本稿では,合成および実SAR画像の非特定化手法と比較して,提案手法により非特定化性能が向上することを示す。
論文参考訳（メタデータ） (2022-05-31T15:55:37Z)
Deep Features for CBIR with Scarce Data using Hebbian Learning [17.57322804741561]
本研究では,コンテンツベース画像検索(CBIR)タスクのための特徴抽出器の開発において,生物学的にインスピレーションを得たテキストHebbian学習アルゴリズムの性能について検討する。具体的には、まず、教師なし事前学習段階、次に、画像データセット上でネットワークを微調整する2つのステップで、半教師付き学習戦略を考察する。
論文参考訳（メタデータ） (2022-05-18T14:00:54Z)
Interactive Visualization of Protein RINs using NetworKit in the Cloud [57.780880387925954]
本稿では,タンパク質動態,特に残基相互作用ネットワーク(RIN)の例について考察する。 NetworKitを使ってクラウドベースの環境を構築しています。このアプローチの汎用性を実証するために、私たちは、RIN視覚化のためのカスタムJupyterベースのウィジェットを構築するためにそれを使用します。
論文参考訳（メタデータ） (2022-03-02T17:41:45Z)
Vision-based Behavioral Recognition of Novelty Preference in Pigs [1.837722971703011]
研究データの行動スコアリングは、ドメイン固有のメトリクスを抽出するために重要であるが、人間の労働力を用いて膨大な量の情報を分析する能力にボトルネックがある。ディープラーニングは、このボトルネックを緩和するための重要な進歩として広く見なされている。我々は,手動スコアリングのプロセスを緩和するために,ディープラーニングを活用できる分野を1つ同定する。
論文参考訳（メタデータ） (2021-06-23T06:10:34Z)
Deep Learning-based Cattle Activity Classification Using Joint Time-frequency Data Representation [2.472770436480857]
本稿では,牛の行動・行動の分類と行動モデルの構築にシーケンシャルディープニューラルネットワークを用いた。本研究の主な焦点は,センサデータの同時時間周波数領域表現の探索である。 3軸加速度計、磁力計、ジャイロスコープのセンサーから収集された300万以上のサンプルからなる実世界のデータセットに基づいています。
論文参考訳（メタデータ） (2020-11-06T14:24:55Z)
Self-supervised Object Tracking with Cycle-consistent Siamese Networks [55.040249900677225]
我々は、オブジェクト追跡のためのサイクル一貫性の自己監視フレームワークにおいて、エンドツーエンドのSiameseネットワークを利用する。トラッキングフレームワークにシームズ領域の提案とマスク回帰ネットワークを統合することで,各フレームのアノテーションを使わずに,より高速で正確なトラッカーを学習できるようにすることを提案する。
論文参考訳（メタデータ） (2020-08-03T04:10:38Z)
A Trainable Optimal Transport Embedding for Feature Aggregation and its Relationship to Attention [96.77554122595578]
固定サイズのパラメータ化表現を導入し、与えられた入力セットから、そのセットとトレーニング可能な参照の間の最適な輸送計画に従って要素を埋め込み、集約する。我々のアプローチは大規模なデータセットにスケールし、参照のエンドツーエンドのトレーニングを可能にすると同時に、計算コストの少ない単純な教師なし学習メカニズムも提供する。
論文参考訳（メタデータ） (2020-06-22T08:35:58Z)
From ImageNet to Image Classification: Contextualizing Progress on Benchmarks [99.19183528305598]
ImageNet作成プロセスにおける特定の設計選択が、結果のデータセットの忠実性に与える影響について検討する。私たちの分析では、ノイズの多いデータ収集パイプラインが、結果のベンチマークと、それがプロキシとして機能する実世界のタスクとの間に、体系的なミスアライメントをもたらす可能性があることを指摘しています。
論文参考訳（メタデータ） (2020-05-22T17:39:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。