論文の概要: A Systematic Review of Machine Learning Techniques for Cattle Identification: Datasets, Methods and Future Directions

• arxiv url: http://arxiv.org/abs/2210.09215v1
• Date: Thu, 13 Oct 2022 14:10:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-18 16:02:34.615789
• Title: A Systematic Review of Machine Learning Techniques for Cattle Identification: Datasets, Methods and Future Directions
• Title（参考訳）: 牛の識別のための機械学習技術の体系的レビュー:データセット,方法,今後の方向性
• Authors: Md Ekramul Hossain, Muhammad Ashad Kabir, Lihong Zheng, Dave L. Swain, Shawn McGrath, Jonathan Medway
• Abstract要約: 本稿では,視覚に基づく牛の識別の体系的文献レビュー(SLR)を行う。 このSLRは、機械学習(ML)とディープラーニング(DL)を用いて、牛の識別に関する研究を識別し、分析することである。
• 参考スコア（独自算出の注目度）: 3.758089106630537
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Increased biosecurity and food safety requirements may increase demand for efficient traceability and identification systems of livestock in the supply chain. The advanced technologies of machine learning and computer vision have been applied in precision livestock management, including critical disease detection, vaccination, production management, tracking, and health monitoring. This paper offers a systematic literature review (SLR) of vision-based cattle identification. More specifically, this SLR is to identify and analyse the research related to cattle identification using Machine Learning (ML) and Deep Learning (DL). For the two main applications of cattle detection and cattle identification, all the ML based papers only solve cattle identification problems. However, both detection and identification problems were studied in the DL based papers. Based on our survey report, the most used ML models for cattle identification were support vector machine (SVM), k-nearest neighbour (KNN), and artificial neural network (ANN). Convolutional neural network (CNN), residual network (ResNet), Inception, You Only Look Once (YOLO), and Faster R-CNN were popular DL models in the selected papers. Among these papers, the most distinguishing features were the muzzle prints and coat patterns of cattle. Local binary pattern (LBP), speeded up robust features (SURF), scale-invariant feature transform (SIFT), and Inception or CNN were identified as the most used feature extraction methods.
• Abstract（参考訳）: バイオセキュリティと食品安全要件の増加は、サプライチェーンにおける家畜の効率的なトレーサビリティと識別システムへの需要を増加させる可能性がある。 機械学習とコンピュータビジョンの高度な技術は、重要な疾患の検出、ワクチン接種、生産管理、追跡、健康モニタリングなど、精密な家畜管理に応用されている。 本稿では,視覚に基づく牛の識別の体系的文献レビュー(SLR)を行う。 具体的には、機械学習(ML)とディープラーニング(DL)を用いて、牛の識別に関する研究を同定し分析することを目的とする。 牛の識別と牛の識別の2つの主な用途において、MLに基づくすべての論文は、牛の識別問題を解決するのみである。 しかし, DLに基づく論文では, 検出問題と識別問題の両方が研究された。 調査報告によると,牛の識別に最も使用されるMLモデルは,サポートベクターマシン(SVM),k-nearest neighbor(KNN),人工ニューラルネットワーク(ANN)であった。 論文では、畳み込みニューラルネットワーク(CNN)、残留ネットワーク(ResNet)、インセプション(Inception)、You Only Look Once(YOLO)、Faster R-CNNが人気のDLモデルであった。 これらの論文の中で最も顕著な特徴は牛の銃口の印刷物とコートパターンであった。 局所バイナリパターン(lbp)、ロバスト特徴の高速化(surf)、スケール不変特徴変換(sift)、インセプション(inception)、cnnは最もよく用いられる特徴抽出法である。

関連論文リスト

• A Survey of Machine Learning-based Physical-Layer Authentication in Wireless Communications [17.707450193500698]
  無線環境におけるユニークな特性の活用により,Physical-Layer Authentication (PLA) が有望な補完として浮上している。 本稿では,MLベースのPLAで使用可能な特徴と技術について,包括的に調査する。
  論文  参考訳（メタデータ） (2024-11-15T03:01:23Z)
• CMFDFormer: Transformer-based Copy-Move Forgery Detection with Continual Learning [52.72888626663642]
  コピーモーブ偽造検出は、疑わしい偽画像中の重複領域を検出することを目的としている。 深層学習に基づく複写偽造検出手法が最上位にある。 CMFDFormer という名称の Transformer-style copy-move forgery ネットワークを提案する。 また、CMFDFormerが新しいタスクを処理できるように、新しいPCSD連続学習フレームワークを提供する。
  論文  参考訳（メタデータ） (2023-11-22T09:27:46Z)
• Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
  本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。 本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。 実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2023-10-22T02:27:02Z)
• Application of deep learning for livestock behaviour recognition: A systematic literature review [13.677648790042648]
  家畜の健康と福祉のモニタリングは伝統的に手作業による労働集約的な作業であった。 近年の進歩は、AIとコンピュータビジョン技術、特にディープラーニングモデルの採用につながっている。 家畜の行動と健康問題との関係を探るためにこれらのモデルを使うことに対する関心が高まっている。
  論文  参考訳（メタデータ） (2023-10-20T13:23:09Z)
• Performance evaluation of Machine learning algorithms for Intrusion Detection System [0.40964539027092917]
  本稿では機械学習(ML)技術を用いた侵入検知システム(IDS)の解析に焦点を当てた。 機械学習モデルのトレーニングと検証に使用されるKDD CUP-'99'侵入検出データセットを分析した。
  論文  参考訳（メタデータ） (2023-10-01T06:35:37Z)
• Defect Classification in Additive Manufacturing Using CNN-Based Vision Processing [76.72662577101988]
  本稿では、まず、畳み込みニューラルネットワーク(CNN)を用いて、画像データセットの欠陥をAMから第2に正確に分類し、発達した分類モデルにアクティブラーニング技術を適用する。 これにより、トレーニングデータやトレーニングデータの生成に必要なデータのサイズを削減できる、ヒューマン・イン・ザ・ループ機構の構築が可能になる。
  論文  参考訳（メタデータ） (2023-07-14T14:36:58Z)
• Unleashing Mask: Explore the Intrinsic Out-of-Distribution Detection Capability [70.72426887518517]
  Out-of-Distribution(OOD)検出は、機械学習モデルを現実世界のアプリケーションにデプロイする際に、セキュアAIの必須の側面である。 本稿では,IDデータを用いた学習モデルのOOD識別能力を復元する新しい手法であるUnleashing Maskを提案する。 本手法では, マスクを用いて記憶した非定型サンプルを抽出し, モデルを微調整するか, 導入したマスクでプルーする。
  論文  参考訳（メタデータ） (2023-06-06T14:23:34Z)
• Choosing an Appropriate Platform and Workflow for Processing Camera Trap Data using Artificial Intelligence [0.18350044465969417]
  カメラトラップは、生態学者が野生生物種の分布、活動パターン、種間相互作用を研究する方法を変えてきた。 カメラトラップデータを処理する人工知能(AI)、特にディープラーニング(DL)の可能性に大きな注目を集めている。 これらのアプリケーションにDLを使用するには、オブジェクトを自動的に検出して種を分類するConvolutional Neural Networks(CNN)のようなトレーニングアルゴリズムが含まれる。
  論文  参考訳（メタデータ） (2022-02-04T18:13:09Z)
• Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
  識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。 データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
  論文  参考訳（メタデータ） (2022-02-01T17:11:13Z)
• TraND: Transferable Neighborhood Discovery for Unsupervised Cross-domain Gait Recognition [77.77786072373942]
  本稿では、教師なしクロスドメイン歩行認識のための領域ギャップを橋渡しするTransferable Neighborhood Discovery (TraND) フレームワークを提案する。 我々は、潜在空間におけるラベルなしサンプルの自信ある近傍を自動的に発見するために、エンドツーエンドのトレーニング可能なアプローチを設計する。 提案手法は,CASIA-BとOU-LPの2つの公開データセットに対して,最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-02-09T03:07:07Z)
• Visual Identification of Individual Holstein-Friesian Cattle via Deep Metric Learning [8.784100314325395]
  ホルシュタイン・フリーズ産の牛は、チューリングの反応拡散系から生じたものと類似した、個々の特性の白黒のコートパターンを視覚的に示す。 この研究は、畳み込みニューラルネットワークとディープメトリック学習技術を介して、個々のホルシュタイン・フリース人の視覚的検出と生体認証を自動化するために、これらの自然なマーキングを利用する。
  論文  参考訳（メタデータ） (2020-06-16T14:41:55Z)

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。