論文の概要: Going Deeper than Tracking: a Survey of Computer-Vision Based
Recognition of Animal Pain and Affective States
- arxiv url: http://arxiv.org/abs/2206.08405v1
- Date: Thu, 16 Jun 2022 18:50:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-20 14:00:13.815204
- Title: Going Deeper than Tracking: a Survey of Computer-Vision Based
Recognition of Animal Pain and Affective States
- Title(参考訳): 追跡より深く進む:コンピュータビジョンによる動物の痛みと感情状態の認識に関する調査
- Authors: Sofia Broom\'e, Marcelo Feighelstein, Anna Zamansky, Gabriel Carreira
Lencioni, Pia Haubro Andersen, Francisca Pessanha, Marwa Mahmoud, Hedvig
Kjellstr\"om and Albert Ali Salah
- Abstract要約: ますます多くの作品が追跡よりも「絶望的」になり、感情や痛みなどの動物の内的状態の自動認識に対処している。
本稿では,動物における情動状態と痛みの認識に関するコンピュータビジョンに基づく総合的な調査を行う。
- 参考スコア(独自算出の注目度): 1.993938356023085
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Advances in animal motion tracking and pose recognition have been a game
changer in the study of animal behavior. Recently, an increasing number of
works go 'deeper' than tracking, and address automated recognition of animals'
internal states such as emotions and pain with the aim of improving animal
welfare, making this a timely moment for a systematization of the field. This
paper provides a comprehensive survey of computer vision-based research on
recognition of affective states and pain in animals, addressing both facial and
bodily behavior analysis. We summarize the efforts that have been presented so
far within this topic -- classifying them across different dimensions,
highlight challenges and research gaps, and provide best practice
recommendations for advancing the field, and some future directions for
research.
- Abstract(参考訳): 動物の動き追跡とポーズ認識の進歩は、動物行動の研究におけるゲームチェンジャーとなった。
近年では、追跡よりも「絶望的」な作品が増えており、感情や痛みなどの動物の内的状態の自動認識に対処し、動物福祉の改善をめざして、この分野の体系化のタイムリーな瞬間となっている。
本稿では,動物における情緒状態と痛みの認識に関するコンピュータビジョンに基づく研究の包括的調査を行い,顔と身体の行動分析について述べる。
我々は、このトピックの中でこれまで提示された取り組みを要約し、異なる次元にまたがって分類し、課題と研究ギャップを強調し、分野を前進させるためのベストプラクティスの推奨と研究の今後の方向性について述べる。
関連論文リスト
- Computer Vision for Primate Behavior Analysis in the Wild [60.937374400311256]
ビデオに基づく行動監視は、動物の認知と行動を研究する方法を変える大きな可能性を秘めている。
今でも、エキサイティングな見通しと、今日実際に達成できるものの間には、かなり大きなギャップがある。
まず、動物行動のビデオベース研究に直接関係するコンピュータビジョン問題に対する最先端の手法の調査から始める。
次に,実践的な観点からの最大の課題のひとつとして,作業効率のよい学習方法についてレビューする。
論文 参考訳(メタデータ) (2024-01-29T18:59:56Z) - 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) - CNN-Based Action Recognition and Pose Estimation for Classifying Animal
Behavior from Videos: A Survey [0.0]
アクション認識(Action Recognition)は、1つ以上の被験者がトリミングされたビデオで行う活動の分類であり、多くの技術の基礎を形成する。
人間の行動認識のためのディープラーニングモデルは、過去10年間に進歩してきた。
近年,深層学習に基づく行動認識を取り入れた研究への関心が高まっている。
論文 参考訳(メタデータ) (2023-01-15T20:54:44Z) - A Survey on Computer Vision based Human Analysis in the COVID-19 Era [58.79053747159797]
新型コロナウイルスの出現は、社会全体だけでなく、個人の生活にも大きく影響している。
マスクやソーシャルディスタンシングの義務、公共空間での定期消毒、スクリーニングアプリケーションの使用など、さまざまな予防策が世界中で導入されている。
これらの発展は、(i)視覚データの自動解析による予防対策の支援、(ii)生体認証などの既存の視覚ベースのサービスの正常な操作を容易にする、新しいコンピュータビジョン技術の必要性を喚起した。
論文 参考訳(メタデータ) (2022-11-07T17:20:39Z) - Review on Social Behavior Analysis of Laboratory Animals: From
Methodologies to Applications [0.0]
従来の視覚的手法,統計的手法,深層学習手法を網羅し,多様な行動検出アルゴリズムを探索する。
本研究の目的は、動物行動の効率的な検出方法のひっかき傷を生物学者に与え、関連する研究を徹底的に調査することである。
論文 参考訳(メタデータ) (2022-06-25T13:40:35Z) - Affect Analysis in-the-wild: Valence-Arousal, Expressions, Action Units
and a Unified Framework [83.21732533130846]
Aff-Wild と Aff-Wild2 の2つである。
これは、これらのデータベースで訓練された深層ニューラルネットワークの2つのクラスの設計を示す。
インパクト認識を共同で学び、効果的に一般化し、実行することができる新しいマルチタスクおよび全体主義のフレームワークが提示されます。
論文 参考訳(メタデータ) (2021-03-29T17:36:20Z) - Perspectives on individual animal identification from biology and
computer vision [58.81800919492064]
計算機科学者と生物学者の両方に利用可能なツールの概要を提供するコンピュータビジョン識別技術の最近の進歩を概観する。
動物識別プロジェクトを始めるための勧告を提示し、現在の限界を説明し、将来どのように対処されるかを提案する。
論文 参考訳(メタデータ) (2021-02-28T16:50:09Z) - 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) - Deep Learning for Sensor-based Human Activity Recognition: Overview,
Challenges and Opportunities [52.59080024266596]
本稿では,センサを用いた人間の活動認識のための最先端のディープラーニング手法について調査する。
まず、官能データのマルチモーダリティを導入し、公開データセットに情報を提供する。
次に、課題によって深層メソッドを構築するための新しい分類法を提案する。
論文 参考訳(メタデータ) (2020-01-21T09:55:59Z)
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。