論文の概要: Supervised Learning Model for Key Frame Identification from Cow Teat Videos

• arxiv url: http://arxiv.org/abs/2409.18797v1
• Date: Thu, 26 Sep 2024 15:50:43 GMT
• ステータス: 処理完了
• システム内更新日: 2024-10-01 11:53:50.433950
• Title: Supervised Learning Model for Key Frame Identification from Cow Teat Videos
• Title（参考訳）: 牛涙ビデオからの鍵フレーム同定のための教師付き学習モデル
• Authors: Minghao Wang, Pinxue Lin,
• Abstract要約: 本稿では, ウシの乳房炎リスク評価の精度をニューラルネットワークとビデオ解析を用いて改善する手法を提案する。 伝統的に、獣医は乳牛の乳房の健康を評価する。 本論文は、牛のうどんが無傷に見えるビデオのキーフレームをニューラルネットワークで同定する。
• 参考スコア（独自算出の注目度）: 0.9115927248875568
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper proposes a method for improving the accuracy of mastitis risk assessment in cows using neural networks and video analysis. Mastitis, an infection of the udder tissue, is a critical health problem for cows and can be detected by examining the cow's teat. Traditionally, veterinarians assess the health of a cow's teat during the milking process, but this process is limited in time and can weaken the accuracy of the assessment. In commercial farms, cows are recorded by cameras when they are milked in the milking parlor. This paper uses a neural network to identify key frames in the recorded video where the cow's udder appears intact. These key frames allow veterinarians to have more flexible time to perform health assessments on the teat, increasing their efficiency and accuracy. However, there are challenges in using cow teat video for mastitis risk assessment, such as complex environments, changing cow positions and postures, and difficulty in identifying the udder from the video. To address these challenges, a fusion distance and an ensemble model are proposed to improve the performance (F-score) of identifying key frames from cow teat videos. The results show that these two approaches improve performance compared to using a single distance measure or model.
• Abstract（参考訳）: 本稿では, ウシの乳房炎リスク評価の精度をニューラルネットワークとビデオ解析を用いて改善する手法を提案する。 乳腺組織の感染である乳房炎は、牛にとって重要な健康問題であり、牛の乳房を調べて検出することができる。 伝統的に、獣医は乳牛の乳房の健康状態を評価するが、このプロセスは時間的に制限され、評価の正確さを弱める可能性がある。 商業農場では、牛は乳園で牛乳を飲んだときにカメラで記録される。 本論文は、牛のうどんが無傷に見えるビデオのキーフレームをニューラルネットワークで同定する。 これらのキーフレームにより、獣医はより柔軟な時間で、ティート上で健康評価を行い、効率と正確性を高めることができる。 しかし, 乳房炎リスク評価には, 複雑な環境, 牛の位置や姿勢の変化, 乳房の特定が困難などの課題がある。 これらの課題に対処するために、牛のティートビデオから鍵フレームを識別する性能(Fスコア)を改善するために、融合距離とアンサンブルモデルを提案する。 その結果, この2つの手法は, 単一距離測度やモデルを用いた場合に比べて性能が向上することがわかった。

関連論文リスト

• A Self-attention Residual Convolutional Neural Network for Health Condition Classification of Cow Teat Images [1.076926044312162]
  本稿では,牛の自己注意残差畳み込みニューラルネットワーク(CTSAR-CNN)モデルを提案する。 牛の乳房の健康評価において、持続的な接続性と自己保持機構を組み合わせて商業農場を支援している。 その結果,CTSAR-CNNの持続接続性と自己保持機構を統合することにより,CTSAR-CNNの精度が向上した。
  論文  参考訳（メタデータ） (2024-09-30T05:30:25Z)
• Swin-UMamba: Mamba-based UNet with ImageNet-based pretraining [85.08169822181685]
  本稿では,医療画像のセグメンテーションに特化して設計された新しいマンバモデルSwin-UMambaを紹介する。 Swin-UMamba は CNN や ViT,最新の Mamba ベースのモデルと比較して,優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2024-02-05T18:58:11Z)
• Vivim: a Video Vision Mamba for Medical Video Segmentation [52.11785024350253]
  本稿では、医用ビデオセグメンテーションタスクのためのビデオビジョンマンバベースのフレームワークVivimを提案する。 我々のビビムは、長期表現を様々なスケールのシーケンスに効果的に圧縮することができる。 超音波検査では甲状腺分節,乳房病変分節,大腸内視鏡検査ではポリープ分節が有効で有効であった。
  論文  参考訳（メタデータ） (2024-01-25T13:27:03Z)
• Shape Matters: Detecting Vertebral Fractures Using Differentiable Point-Based Shape Decoding [51.38395069380457]
  変性性脊椎疾患は高齢者に多い。 骨粗しょう性骨折やその他の変性変形性骨折のタイムリーな診断は、重度の腰痛や障害のリスクを軽減するための前向きな処置を促進する。 本研究では,脊椎動物に対する形状自動エンコーダの使用について検討する。
  論文  参考訳（メタデータ） (2023-12-08T18:11:22Z)
• BovineTalk: Machine Learning for Vocalization Analysis of Dairy Cattle under Negative Affective States [0.09786690381850353]
  牛は口を閉じた,あるいは部分的に閉じた,近距離接触のための低周波発声 (LF) と遠距離通信のための高周波発声 (HF) の2種類の発声を行った。 本稿では,深層学習と説明可能な機械学習,高頻度および低周波の牛の鳴き声の分類,および個別の牛の音声認識の2つの計算フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-07-26T07:07:03Z)
• FetReg2021: A Challenge on Placental Vessel Segmentation and Registration in Fetoscopy [52.3219875147181]
  2-Twin Transfusion Syndrome (TTTS) に対するレーザー光凝固法が広く採用されている。 このプロシージャは、視野が限られたこと、フェトスコープの操作性が悪いこと、視認性が悪いこと、照明の変動性のために特に困難である。 コンピュータ支援介入(CAI)は、シーン内の重要な構造を特定し、ビデオモザイクを通して胎児の視野を広げることで、外科医に意思決定支援と文脈認識を提供する。 7つのチームがこの課題に参加し、そのモデルパフォーマンスを、6フェットから658ピクセルの注釈付き画像の見当たらないテストデータセットで評価した。
  論文  参考訳（メタデータ） (2022-06-24T23:44:42Z)
• Segmentation Enhanced Lameness Detection in Dairy Cows from RGB and Depth Video [8.906235809404189]
  早期の乳腺検出は、農家が早期に病気に対処し、牛の状態を悪化させることによるネガティブな影響を避けるのに役立つ。 乳房から出る牛の短いクリップのデータセットを収集し,牛の乳腺の程度を注釈した。 我々は、トレーニング済みのニューラルネットワークを利用してビデオから識別的特徴を抽出し、その状態を示す各牛にバイナリスコアを割り当てる「健康」または「ラム」を提案する。
  論文  参考訳（メタデータ） (2022-06-09T12:16:31Z)
• Open-Set Recognition of Breast Cancer Treatments [91.3247063132127]
  オープンセット認識は、テストサンプルをトレーニングや"未知"から既知のクラスの1つに分類することで、分類タスクを一般化する 乳がん患者データに対して,画像データセットの最先端結果を実現するガウス混合変分オートエンコーダモデルを適用した。 より正確でロバストな分類結果が得られ,F1の平均値が24.5%上昇したばかりでなく,臨床環境への展開性の観点からも,オープンセット認識の再検討を行った。
  論文  参考訳（メタデータ） (2022-01-09T04:35:55Z)
• FetReg: Placental Vessel Segmentation and Registration in Fetoscopy Challenge Dataset [57.30136148318641]
  Fetoscopy Laser Photocoagulation はツイン・ツー・ツイン・トランスフュージョン症候群(TTTS)の治療に広く用いられている治療法である これにより、プロシージャ時間と不完全アブレーションが増加し、持続的なTTTSが生じる可能性がある。 コンピュータ支援による介入は、ビデオモザイクによって胎児の視野を広げ、船体ネットワークのより良い視覚化を提供することによって、これらの課題を克服するのに役立つかもしれない。 本稿では,長期フェトスコープビデオからドリフトフリーモザイクを作成することを目的とした,胎児環境のための汎用的でロバストなセマンティックセマンティックセグメンテーションとビデオモザイクアルゴリズムを開発するための大規模マルチセントデータセットを提案する。
  論文  参考訳（メタデータ） (2021-06-10T17:14:27Z)
• T-LEAP: occlusion-robust pose estimation of walking cows using temporal information [0.0]
  乳牛の健康障害である乳腺は、乳牛の歩行を分析して一般的に検出される。 モデルが自動的に画像やビデオの解剖学的ランドマークをローカライズすることを学ぶので、牛の歩行はポーズ推定モデルを使用してビデオで追跡することができます。 ほとんどの動物のポーズ推定モデルは静的であり、ビデオはフレームごとに処理され、時間的情報を使用しない。
  論文  参考訳（メタデータ） (2021-04-16T10:50:56Z)
• Dairy Cow rumination detection: A deep learning approach [0.8312466807725921]
  交配行動は、畜産の発展と収量を追跡するための重要な変数です。 現代のアタッチメントデバイスは、牛にとって侵襲的で、ストレスがあり、不快である。 本研究では,CNN(Convolution Neural Network)に基づくディープラーニングモデルを用いた革新的なモニタリング手法を提案する。
  論文  参考訳（メタデータ） (2021-01-07T07:33:32Z)

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。