論文の概要: Automatic Cattle Identification using YOLOv5 and Mosaic Augmentation: A Comparative Analysis

• arxiv url: http://arxiv.org/abs/2210.11939v1
• Date: Fri, 21 Oct 2022 13:13:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-24 15:20:51.951487
• Title: Automatic Cattle Identification using YOLOv5 and Mosaic Augmentation: A Comparative Analysis
• Title（参考訳）: YOLOv5とMosaic Augmentationを用いた乳牛の自動識別:比較分析
• Authors: Rabin Dulal, Lihong Zheng, Muhammad Ashad Kabir, Shawn McGrath, Jonathan Medway, Dave Swain, Will Swain
• Abstract要約: 園内の牛を識別するためのYOLOv5モデルについて検討した。 牛の銃口のパターンは、人間の指紋のようなユニークな生体認証ソリューションである。
• 参考スコア（独自算出の注目度）: 2.161241370008739
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: You Only Look Once (YOLO) is a single-stage object detection model popular for real-time object detection, accuracy, and speed. This paper investigates the YOLOv5 model to identify cattle in the yards. The current solution to cattle identification includes radio-frequency identification (RFID) tags. The problem occurs when the RFID tag is lost or damaged. A biometric solution identifies the cattle and helps to assign the lost or damaged tag or replace the RFID-based system. Muzzle patterns in cattle are unique biometric solutions like a fingerprint in humans. This paper aims to present our recent research in utilizing five popular object detection models, looking at the architecture of YOLOv5, investigating the performance of eight backbones with the YOLOv5 model, and the influence of mosaic augmentation in YOLOv5 by experimental results on the available cattle muzzle images. Finally, we concluded with the excellent potential of using YOLOv5 in automatic cattle identification. Our experiments show YOLOv5 with transformer performed best with mean Average Precision (mAP) 0.5 (the average of AP when the IoU is greater than 50%) of 0.995, and mAP 0.5:0.95 (the average of AP from 50% to 95% IoU with an interval of 5%) of 0.9366. In addition, our experiments show the increase in accuracy of the model by using mosaic augmentation in all backbones used in our experiments. Moreover, we can also detect cattle with partial muzzle images.
• Abstract（参考訳）: You Only Look Once (YOLO) は、リアルタイムオブジェクト検出、精度、速度で人気のある単一ステージオブジェクト検出モデルである。 園内の牛を識別するためのYOLOv5モデルについて検討した。 牛の識別に対する現在の解決策は、RFIDタグを含む。 この問題はRFIDタグが失われたり破損した場合に発生する。 生体認証ソリューションは、牛を識別し、失われたタグを割り当てたり、RFIDベースのシステムを置き換えるのに役立つ。 牛の銃口パターンは、人間の指紋のようなユニークな生体認証ソリューションである。 本研究の目的は, YOLOv5 のアーキテクチャ, YOLOv5 モデルによる8つのバックボーンの性能評価, および YOLOv5 におけるモザイク増量の影響を, 実験結果から検討することである。 最後に, 自動牛肉識別におけるYOLOv5の有用性について検討した。 実験により, 変圧器を用いたyolov5は平均精度(マップ)0.5(iouが50%以上である場合の平均ap)0.995, 0.5:0.95(平均apは50%から95%iouで5%間隔)0.59366で最高性能を示した。 さらに,本実験で用いたすべての背骨のモザイク増強によるモデル精度の向上について検討した。 さらに、部分的な銃口画像で牛を検出できる。

関連論文リスト

• YOLOv10: Real-Time End-to-End Object Detection [68.28699631793967]
  リアルタイムオブジェクト検出の分野では,YOLOが主流のパラダイムとして浮上している。 非最大抑圧(NMS)による処理後ハマーによるYOLOのエンドツーエンドデプロイメントへの依存。 YOLOの総合的効率-精度駆動型モデル設計戦略を紹介する。
  論文  参考訳（メタデータ） (2024-05-23T11:44:29Z)
• YOLOv5 vs. YOLOv8 in Marine Fisheries: Balancing Class Detection and Instance Count [0.0]
  本稿では, YOLOv5 と YOLOv8 を用いて, 動脈, 嚢胞, 排便の3つの異なるクラスについて, 対象物検出法の比較検討を行った。 YOLOv5は、高い精度と精度で、動脈と嚢胞を検出できる。 しかし、排他物を検出するということになると、YOLOv5は顕著な課題と限界に直面した。
  論文  参考訳（メタデータ） (2024-04-01T20:01:04Z)
• Mask wearing object detection algorithm based on improved YOLOv5 [6.129833920546161]
  本稿では, YOLOv5lに基づくマスク着用顔検出モデルを提案する。 提案手法はマスク着用の検出能力を大幅に向上させる。
  論文  参考訳（メタデータ） (2023-10-16T10:06:42Z)
• YOLO-MS: Rethinking Multi-Scale Representation Learning for Real-time Object Detection [80.11152626362109]
  YOLO-MSと呼ばれる効率的かつ高性能な物体検出器を提供する。 私たちは、他の大規模なデータセットに頼ることなく、MS COCOデータセット上でYOLO-MSをスクラッチからトレーニングします。 私たちの仕事は、他のYOLOモデルのプラグイン・アンド・プレイ・モジュールとしても使えます。
  論文  参考訳（メタデータ） (2023-08-10T10:12:27Z)
• 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)
• EdgeYOLO: An Edge-Real-Time Object Detector [69.41688769991482]
  本稿では, 最先端のYOLOフレームワークをベースとした, 効率的で低複雑さかつアンカーフリーな物体検出器を提案する。 我々は,訓練中の過剰適合を効果的に抑制する拡張データ拡張法を開発し,小型物体の検出精度を向上させるためにハイブリッドランダム損失関数を設計する。 私たちのベースラインモデルは、MS 2017データセットで50.6%のAP50:95と69.8%のAP50、VisDrone 2019-DETデータセットで26.4%のAP50と44.8%のAP50に達し、エッジコンピューティングデバイスNvidia上でリアルタイム要求(FPS>=30)を満たす。
  論文  参考訳（メタデータ） (2023-02-15T06:05:14Z)
• Comparison Of Deep Object Detectors On A New Vulnerable Pedestrian Dataset [2.7624021966289605]
  脆弱な歩行者検出のための新しいデータセットであるBG Vulnerable Pedestrianデータセットを導入する。 このデータセットはパブリックドメインから収集された画像と手動で注釈付けされたバウンディングボックスで構成されている。 提案したデータセットでは,従来のオブジェクト検出モデル,すなわちYOLOv4,YOLOv5,YOLOX,Faster R-CNN,EfficientDetの5つをトレーニングし,テストした。
  論文  参考訳（メタデータ） (2022-12-12T19:59:47Z)
• A lightweight and accurate YOLO-like network for small target detection in Aerial Imagery [94.78943497436492]
  小型ターゲット検出のためのシンプルで高速で効率的なネットワークであるYOLO-Sを提案する。 YOLO-SはDarknet20をベースとした小さな特徴抽出器と、バイパスと連結の両方を通じて接続をスキップする。 YOLO-Sはパラメータサイズが87%減少し、約半分のFLOPがYOLOv3となり、低消費電力の産業用アプリケーションに実用化された。
  論文  参考訳（メタデータ） (2022-04-05T16:29:49Z)
• Evaluation of YOLO Models with Sliced Inference for Small Object Detection [0.0]
  この研究は、小さなオブジェクト検出のためにYOLOv5とYOLOXモデルをベンチマークすることを目的としている。 スライスされた微調整とスライスされた推論が組み合わさって全てのモデルに大幅な改善をもたらした。
  論文  参考訳（メタデータ） (2022-03-09T15:24:30Z)
• COVID-19 Detection Using CT Image Based On YOLOv5 Network [31.848436570442704]
  Kaggleプラットフォームが提供するデータセットと、モデルとしてYOLOv5を選択します。 本研究は,作業部における客観的検出手法について紹介する。 対物検出は、1段と2段の2つのストリームに分けることができる。
  論文  参考訳（メタデータ） (2022-01-24T21:50:58Z)
• Persistent Animal Identification Leveraging Non-Visual Markers [71.14999745312626]
  乱雑なホームケージ環境下で各マウスにユニークな識別子を時間をかけて発見し提供することを目的としている。 これは、(i)各マウスの視覚的特徴の区別の欠如、(ii)一定の閉塞を伴うシーンの密閉性のため、非常に難しい問題である。 本手法は, この動物識別問題に対して77%の精度を達成し, 動物が隠れているときの急激な検出を拒否することができる。
  論文  参考訳（メタデータ） (2021-12-13T17:11:32Z)

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。