論文の概要: Application of deep learning for livestock behaviour recognition: A
systematic literature review
- arxiv url: http://arxiv.org/abs/2310.13483v1
- Date: Fri, 20 Oct 2023 13:23:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 22:55:52.017366
- Title: Application of deep learning for livestock behaviour recognition: A
systematic literature review
- Title（参考訳）: 深層学習の家畜行動認識への応用:系統的文献レビュー
- Authors: Ali Rohan, Muhammad Saad Rafaq, Md. Junayed Hasan, Furqan Asghar, Ali
Kashif Bashir, Tania Dottorini
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 13.677648790042648
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Livestock health and welfare monitoring has traditionally been a
labor-intensive task performed manually. Recent advances have led to the
adoption of AI and computer vision techniques, particularly deep learning
models, as decision-making tools within the livestock industry. These models
have been employed for tasks like animal identification, tracking, body part
recognition, and species classification. In the past decade, there has been a
growing interest in using these models to explore the connection between
livestock behaviour and health issues. While previous review studies have been
rather generic, there is currently no review study specifically focusing on DL
for livestock behaviour recognition. Hence, this systematic literature review
(SLR) was conducted. The SLR involved an initial search across electronic
databases, resulting in 1101 publications. After applying defined selection
criteria, 126 publications were shortlisted. These publications were further
filtered based on quality criteria, resulting in the selection of 44
high-quality primary studies. These studies were analysed to address the
research questions. The results showed that DL successfully addressed 13
behaviour recognition problems encompassing 44 different behaviour classes. A
variety of DL models and networks were employed, with CNN, Faster R-CNN,
YOLOv5, and YOLOv4 being among the most common models, and VGG16, CSPDarknet53,
GoogLeNet, ResNet101, and ResNet50 being popular networks. Performance
evaluation involved ten different matrices, with precision and accuracy being
the most frequently used. Primary studies identified challenges, including
occlusion, adhesion, data imbalance, and the complexities of the livestock
environment. The SLR study also discussed potential solutions and research
directions to facilitate the development of autonomous livestock behaviour
recognition systems.
- Abstract（参考訳）: 家畜の健康と福祉のモニタリングは伝統的に労働集約的な作業であった。
近年の進歩は、家畜業界における意思決定ツールとして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。
これらのモデルは動物識別、追跡、体部認識、種分類などのタスクに用いられてきた。
過去10年間で、これらのモデルを使って家畜の行動と健康問題との関係を探ることへの関心が高まっている。
これまでのレビュー研究は一般的だったが、家畜の行動認識のためのdlに焦点を当てたレビュー研究は、現時点では行われていない。
そこで,この体系的文献レビュー(slr)を行った。
SLRは電子データベースを横断して最初の検索を行い、1101年に出版された。
決定された選択基準を適用した後、126の出版物がリストアップされた。
これらの出版物は品質基準に基づいてさらにフィルタリングされ、44の高品質な初等研究が選ばれた。
これらの研究は研究課題に対処するために分析された。
その結果、DLは44種類の行動クラスを含む13の行動認識問題に対処できた。
CNN、Faster R-CNN、YOLOv5、YOLOv4は最も一般的なモデルであり、VGG16、CSPDarknet53、GoogLeNet、ResNet101、ResNet50は人気のあるネットワークである。
性能評価には10の異なる行列が含まれ、精度と精度が最も頻繁に用いられる。
一次研究は、排卵、粘着、データ不均衡、家畜環境の複雑さなどの課題を明らかにした。
SLR研究はまた、自律的家畜行動認識システムの開発を促進するための潜在的な解決策と研究の方向性についても論じた。
関連論文リスト
- Diffusion-Inspired Cold Start with Sufficient Prior in Computerized Adaptive Testing [7.6121800609098695]
コンピュータ適応テスト(CAT)は、被験者の能力に基づいて最も適切な質問を選択することを目的としている。
既存のCATシステムは、しばしば試験員の能力に対する最初の理解が欠如しており、ランダムな探索問題を必要としている。
これは、マッチの悪い質問につながり、テスト期間を延ばし、テスターの考え方に悪影響を及ぼす。
論文 参考訳（メタデータ） (2024-11-19T02:48:58Z) - Comprehensive Exploration of Synthetic Data Generation: A Survey [4.485401662312072]
この研究は、過去10年間で417のSynthetic Data Generationモデルを調査します。
その結果、ニューラルネットワークベースのアプローチが普及し、モデルのパフォーマンスと複雑性が向上したことが明らかになった。
コンピュータビジョンが支配的であり、GANが主要な生成モデルであり、拡散モデル、トランスフォーマー、RNNが競合する。
論文 参考訳（メタデータ） (2024-01-04T20:23:51Z) - LISBET: a machine learning model for the automatic segmentation of social behavior motifs [0.0]
LISBET(LISBET Is a Social BEhavior Transformer)は,社会的相互作用の検出とセグメンテーションのための機械学習モデルである。
身体追跡データを用いた自己教師型学習により,広範囲な人的アノテーションの必要性を排除した。
生体内電気生理学的には,本モデルで同定されたモチーフに対応する腹側歯根膜領域の神経信号が明瞭であった。
論文 参考訳（メタデータ） (2023-11-07T15:35:17Z) - Too Good To Be True: performance overestimation in (re)current practices
for Human Activity Recognition [49.1574468325115]
データセグメンテーションのためのスライディングウィンドウと、標準のランダムk倍のクロスバリデーションが続くと、バイアスのある結果が得られる。
この問題に対する科学界の認識を高めることは重要であり、その否定的な影響は見落とされつつある。
異なるタイプのデータセットと異なるタイプの分類モデルを用いたいくつかの実験により、問題を示し、メソッドやデータセットとは独立して持続することを示すことができる。
論文 参考訳（メタデータ） (2023-10-18T13:24:05Z) - Deep networks for system identification: a Survey [56.34005280792013]
システム識別は、入力出力データから動的システムの数学的記述を学習する。
同定されたモデルの主な目的は、以前の観測から新しいデータを予測することである。
我々は、フィードフォワード、畳み込み、リカレントネットワークなどの文献で一般的に採用されているアーキテクチャについて論じる。
論文 参考訳（メタデータ） (2023-01-30T12:38:31Z) - 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) - NEVIS'22: A Stream of 100 Tasks Sampled from 30 Years of Computer Vision
Research [96.53307645791179]
我々は,100以上の視覚的分類タスクのストリームからなるベンチマークであるNever-Ending VIsual-classification Stream (NEVIS'22)を紹介する。
分類に制限されているにもかかわらず、OCR、テクスチャ分析、シーン認識など、様々なタスクが生成される。
NEVIS'22は、タスクの規模と多様性のために、現在のシーケンシャルな学習アプローチに対して前例のない課題を提起している。
論文 参考訳（メタデータ） (2022-11-15T18:57:46Z) - A Systematic Review of Machine Learning Techniques for Cattle
Identification: Datasets, Methods and Future Directions [3.758089106630537]
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。
論文 参考訳（メタデータ） (2022-10-13T14:10:12Z) - LifeLonger: A Benchmark for Continual Disease Classification [59.13735398630546]
MedMNISTコレクションの連続的な疾患分類のためのベンチマークであるLifeLongerを紹介する。
タスクとクラスでの病気の漸進的な学習は、モデルをスクラッチから再トレーニングすることなく、新しいサンプルを分類する問題に対処する。
クロスドメインインクリメンタル学習は、これまで得られた知識を維持しながら、異なる機関から派生したデータセットを扱う問題に対処する。
論文 参考訳（メタデータ） (2022-04-12T12:25:05Z) - Domain Generalization: A Survey [146.68420112164577]
ドメイン一般化(DG)は、モデル学習にソースドメインデータを使用するだけでOOD一般化を実現することを目的としています。
初めて、DGの10年の開発をまとめるために包括的な文献レビューが提供されます。
論文 参考訳（メタデータ） (2021-03-03T16:12:22Z) - Opportunities and Challenges of Deep Learning Methods for
Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。
深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。
本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文 参考訳（メタデータ） (2019-12-28T02:44:29Z)
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。