論文の概要: Emotion Recognition in Horses with Convolutional Neural Networks

• arxiv url: http://arxiv.org/abs/2105.11953v1
• Date: Tue, 25 May 2021 14:04:43 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-26 14:18:08.628317
• Title: Emotion Recognition in Horses with Convolutional Neural Networks
• Title（参考訳）: 畳み込みニューラルネットワークを用いた馬の感情認識
• Authors: Luis A. Corujo, Peter A. Gloor, Emily Kieson
• Abstract要約: 本稿では,馬の感情を認識する「概念の保護」システムを設計する過程について述べる。 この検出器はより高速な領域ベースの畳み込みニューラルネットワークで、画像中の馬を検出する。 このモデルは、馬の感情を予測する畳み込みニューラルネットワークである。
• 参考スコア（独自算出の注目度）: 0.8701566919381223
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Creating intelligent systems capable of recognizing emotions is a difficult task, especially when looking at emotions in animals. This paper describes the process of designing a "proof of concept" system to recognize emotions in horses. This system is formed by two elements, a detector and a model. The detector is a faster region-based convolutional neural network that detects horses in an image. The second one, the model, is a convolutional neural network that predicts the emotion of those horses. These two models were trained with multiple images of horses until they achieved high accuracy in their tasks, creating therefore the desired system. 400 images of horses were used to train both the detector and the model while 80 were used to validate the system. Once the two components were validated they were combined into a testable system that would detect equine emotions based on established behavioral ethograms indicating emotional affect through head, neck, ear, muzzle, and eye position. The system showed an accuracy of between 69% and 74% on the validation set, demonstrating that it is possible to predict emotions in animals using autonomous intelligent systems. It is a first "proof of concept" approach that can be enhanced in many ways. Such a system has multiple applications including further studies in the growing field of animal emotions as well as in the veterinary field to determine the physical welfare of horses or other livestock.
• Abstract（参考訳）: 感情を認識できるインテリジェントなシステムを作ることは、特に動物の感情を見る場合、難しい作業である。 本稿では,馬の感情を認識する「概念の証明」システムを設計する過程について述べる。 このシステムは検出器とモデルという2つの要素によって構成される。 この検出器はより高速な領域ベースの畳み込みニューラルネットワークで、画像中の馬を検出する。 第2のモデルである畳み込みニューラルネットワークは,それらの馬の感情を予測するものだ。 これら2つのモデルは、高い精度を達成するまで複数の馬のイメージで訓練され、望ましいシステムを生み出した。 400頭の馬の画像が検出器とモデルの両方の訓練に使われ、80頭の馬がシステムの検証に使用された。 2つのコンポーネントが検証されると、それらは、頭、首、耳、銃口、目の位置による感情的な影響を示す、確立された行動エトグラムに基づいて、同等の感情を検出するテスト可能なシステムに結合された。 このシステムは検証セット上で69%から74%の精度を示し、自律知能システムを用いて動物の感情を予測することができることを示した。 これは、様々な方法で拡張できる最初の"概念の証明"アプローチである。 このようなシステムは、動物の感情の成長分野や獣医学分野におけるさらなる研究を含む複数の応用があり、馬や他の家畜の身体的福祉を決定する。

関連論文リスト

• Emotion Detection through Body Gesture and Face [0.0]
  このプロジェクトは、非顔の手がかり、特に手、身体のジェスチャー、ジェスチャーに焦点を当てることによる感情認識の課題に対処する。 従来の感情認識システムは、主に表情分析に依存しており、ボディランゲージを通して伝達される豊かな感情情報を無視することが多い。 このプロジェクトの目的は、マシンが人間の感情をより包括的でニュアンスな方法で解釈し、反応する能力を高めることで、感情コンピューティングの分野に貢献することにある。
  論文  参考訳（メタデータ） (2024-07-13T15:15:50Z)
• Multi-view Multi-label Fine-grained Emotion Decoding from Human Brain Activity [9.446422699647625]
  人間の脳活動からの感情状態の復号は、脳とコンピュータのインターフェースにおいて重要な役割を果たす。 既存の感情復号法には2つの大きな制限がある。 感情の微粒化のための多視点マルチラベルハイブリッドモデルを提案する。
  論文  参考訳（メタデータ） (2022-10-26T05:56:54Z)
• Affection: Learning Affective Explanations for Real-World Visual Data [50.28825017427716]
  我々は,85,007枚の公開画像に対して,感情反応と自由形式のテキスト説明を含む大規模データセットを研究コミュニティに導入し,共有する。 本研究は, 被写体集団に大きな支持を得て, 潜在的に有意な感情反応をとらえる上で, 重要な共通基盤があることを示唆する。 私たちの研究は、より豊かで、より人間中心で、感情に敏感な画像分析システムへの道を開くものです。
  論文  参考訳（メタデータ） (2022-10-04T22:44:17Z)
• Adversarially trained neural representations may already be as robust as corresponding biological neural representations [66.73634912993006]
  本研究では,霊長類脳活動に直接対人的視覚攻撃を行う方法を開発した。 霊長類の視覚系を構成する生物学的ニューロンは、既存の(不正に訓練された)人工ニューラルネットワークに匹敵する敵の摂動に感受性を示す。
  論文  参考訳（メタデータ） (2022-06-19T04:15:29Z)
• Deep Learning Models for Automated Classification of Dog Emotional States from Facial Expressions [1.32383730641561]
  近年のディープラーニング技術を用いて,犬の(肯定的な)期待と(否定的な)フラストレーションを分類した。 我々の知る限りでは、この研究はイヌの感情を自動分類するタスクに最初に取り組むものである。
  論文  参考訳（メタデータ） (2022-06-11T21:37:38Z)
• An explainable deep vision system for animal classification and detection in trail-camera images with automatic post-deployment retraining [0.0]
  本稿では,テキサス・パークス野生生物局の管理下にあるフィールドから撮影したトレイルカメラ画像における動物検出のための自動視覚システムについて紹介する。 2段階の深層畳み込みニューラルネットワークパイプラインを実装し,動物を含む画像を第1段階で発見し,その画像を処理して第2段階の鳥を検出する。 動物分類システムは、動物画像の感度を93%、特異度を96%と分類する。鳥類検出システムは、感度を93%以上、特異度を92%、インターセクション・オーバー・ユニオン率を68%以上達成する。
  論文  参考訳（メタデータ） (2020-10-22T06:29:55Z)
• Modality-Transferable Emotion Embeddings for Low-Resource Multimodal Emotion Recognition [55.44502358463217]
  本稿では、上記の問題に対処するため、感情を埋め込んだモダリティ変換可能なモデルを提案する。 我々のモデルは感情カテゴリーのほとんどで最先端のパフォーマンスを達成する。 私たちのモデルは、目に見えない感情に対するゼロショットと少数ショットのシナリオにおいて、既存のベースラインよりも優れています。
  論文  参考訳（メタデータ） (2020-09-21T06:10:39Z)
• Machine Common Sense [77.34726150561087]
  機械の常識は、人工知能(AI)において広範で潜在的に無拘束な問題のままである 本稿では、対人インタラクションのようなドメインに焦点を当てたコモンセンス推論のモデル化の側面について論じる。
  論文  参考訳（メタデータ） (2020-06-15T13:59:47Z)
• Emotion Recognition From Gait Analyses: Current Research and Future Directions [48.93172413752614]
  歩行はウォーカーの感情に関する情報を伝える 様々な感情と歩行パターンのマッピングは、感情の自動認識のための新しい情報源を提供する。 歩行は遠隔観察可能で 模倣が困難で 被験者との協力も少ない
  論文  参考訳（メタデータ） (2020-03-13T08:22:33Z)
• Continuous Emotion Recognition via Deep Convolutional Autoencoder and Support Vector Regressor [70.2226417364135]
  マシンはユーザの感情状態を高い精度で認識できることが不可欠である。 ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。 表情認識に基づく連続的感情認識のための新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-01-31T17:47:16Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。