論文の概要: Excretion Detection in Pigsties Using Convolutional and Transformerbased Deep Neural Networks

• arxiv url: http://arxiv.org/abs/2412.00256v1
• Date: Fri, 29 Nov 2024 21:00:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-04 15:46:05.924273
• Title: Excretion Detection in Pigsties Using Convolutional and Transformerbased Deep Neural Networks
• Title（参考訳）: 畳み込み型および変圧器型ディープニューラルネットワークを用いた豚の排ガス検出
• Authors: Simon Mielke, Anthony Stein,
• Abstract要約: 水たまりや糞のような動物の排ガスは家畜の農業において重要な排出源である。 水たまり領域を決定するための従来の研究手法では、納屋内の水たまりを手動で検出する必要がある。 本研究は,豚の排ガス検出における各種深層学習モデルの適合性について検討した最初のものである。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Animal excretions in form of urine puddles and feces are a significant source of emissions in livestock farming. Automated detection of soiled floor in barns can contribute to improved management processes but also the derived information can be used to model emission dynamics. Previous research approaches to determine the puddle area require manual detection of the puddle in the barn. While humans can detect animal excretions on thermal images of a livestock barn, automated approaches using thresholds fail due to other objects of the same temperature, such as the animals themselves. In addition, various parameters such as the type of housing, animal species, age, sex, weather and unknown factors can influence the type and shape of excretions. Due to this heterogeneity, a method for automated detection of excretions must therefore be not only be accurate but also robust to varying conditions. These requirements can be met by using contemporary deep learning models from the field of artificial intelligence. This work is the first to investigate the suitability of different deep learning models for the detection of excretions in pigsties, thereby comparing established convolutional architectures with recent transformer-based approaches. The detection models Faster R-CNN, YOLOv8, DETR and DAB-DETR are compared and statistically assessed on two created training datasets representing two pig houses. We apply a method derived from nested cross-validation and report on the results in terms of eight common detection metrics. Our work demonstrates that all investigated deep learning models are generally suitable for reliably detecting excretions with an average precision of over 90%. The models also show robustness on out of distribution data that possesses differences from the conditions in the training data, however, with expected slight decreases in the overall detection performance.
• Abstract（参考訳）: 水たまりや糞のような動物の排ガスは家畜の農業において重要な排出源である。 納屋における汚泥床の自動検出は, 管理プロセスの改善に寄与するだけでなく, 排出動態のモデル化にも有効である。 水たまり領域を決定するための従来の研究手法では、納屋内の水たまりを手動で検出する必要がある。 人間は家畜の納屋の熱画像から動物の排他物を検出できるが、動物自身のような同じ温度の物体のために閾値を用いた自動的なアプローチは失敗する。 また, 住居の種類, 動物種, 年齢, 性別, 天候, 不明な要因など, さまざまなパラメータが, 排ガスの種類や形態に影響を及ぼす可能性がある。 この不均一性のため、排ガスの自動検出法は、正確であるだけでなく、様々な条件に対して堅牢である必要がある。 これらの要件は、人工知能の分野からの現代のディープラーニングモデルを使用することで満たすことができる。 この研究は、豚の排他物検出のための異なるディープラーニングモデルの適合性を調査し、既存の畳み込みアーキテクチャと最近のトランスフォーマーベースのアプローチを比較した最初のものである。 より高速なR-CNN, YOLOv8, DETR, DAB-DETRを比較検討し、2つのブタハウスを表す2つのトレーニングデータセットを用いて統計的に評価した。 ネストしたクロスバリデーションから導いた手法を適用し,8つの共通検出指標を用いて結果について報告する。 本研究は,すべてのディープラーニングモデルが平均90%以上の精度で抽出を確実に検出するのに適していることを示す。 モデルはまた、トレーニングデータの条件と異なる分布データに対してロバスト性を示すが、全体的な検出性能はわずかに低下すると予想されている。

関連論文リスト

• Open-Set Deepfake Detection: A Parameter-Efficient Adaptation Method with Forgery Style Mixture [58.60915132222421]
  本稿では,顔偽造検出に汎用的かつパラメータ効率の高い手法を提案する。 フォージェリー・ソース・ドメインの多様性を増大させるフォージェリー・ミックス・フォーミュレーションを設計する。 設計したモデルは、トレーニング可能なパラメータを著しく減らし、最先端の一般化性を実現する。
  論文  参考訳（メタデータ） (2024-08-23T01:53:36Z)
• Weakly supervised marine animal detection from remote sensing images using vector-quantized variational autoencoder [4.812718493682454]
  本稿では, 海洋環境における航空画像からの弱教師付き動物検出のための再構成に基づくアプローチについて検討する。 異常検出フレームワークは、入力空間上で直接メトリクスを計算し、解釈可能性と異常なローカライゼーションを高める。 我々のフレームワークは、異常の解釈性と局所化を改善し、海洋生態系のモニタリングに有用な洞察を提供する。
  論文  参考訳（メタデータ） (2023-07-13T12:26:27Z)
• Exploring the Effectiveness of Dataset Synthesis: An application of Apple Detection in Orchards [68.95806641664713]
  本研究では,リンゴ樹の合成データセットを生成するための安定拡散2.1-baseの有用性について検討する。 我々は、現実世界のリンゴ検出データセットでリンゴを予測するために、YOLOv5mオブジェクト検出モデルを訓練する。 その結果、実世界の画像でトレーニングされたベースラインモデルと比較して、生成データでトレーニングされたモデルはわずかに性能が劣っていることがわかった。
  論文  参考訳（メタデータ） (2023-06-20T09:46:01Z)
• GSURE-Based Diffusion Model Training with Corrupted Data [35.56267114494076]
  本稿では, 劣化データのみに基づく生成拡散モデルのための新しいトレーニング手法を提案する。 顔画像と磁気共鳴画像(MRI)の撮影技術について紹介する。
  論文  参考訳（メタデータ） (2023-05-22T15:27:20Z)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• TempNet: Temporal Attention Towards the Detection of Animal Behaviour in Videos [63.85815474157357]
  本稿では,映像中の生物学的行動を検出するための,効率的なコンピュータビジョンと深層学習に基づく手法を提案する。 TempNetはエンコーダブリッジと残留ブロックを使用して、2段階の空間的、そして時間的、エンコーダでモデル性能を維持する。 本研究では,サブルフィッシュ (Anoplopoma fimbria) 幼虫の検出への応用を実証する。
  論文  参考訳（メタデータ） (2022-11-17T23:55:12Z)
• Fake It Till You Make It: Near-Distribution Novelty Detection by Score-Based Generative Models [54.182955830194445]
  既存のモデルは、いわゆる"近く分布"設定で失敗するか、劇的な低下に直面します。 本稿では, スコアに基づく生成モデルを用いて, 合成近分布異常データを生成することを提案する。 本手法は,9つのノベルティ検出ベンチマークにおいて,近分布ノベルティ検出を6%改善し,最先端のノベルティ検出を1%から5%パスする。
  論文  参考訳（メタデータ） (2022-05-28T02:02:53Z)
• Towards automatic detection of wildlife trade using machine vision models [0.0]
  現在、取引の重要な部分はインターネット、特にデジタルマーケットプレースやソーシャルメディアで行われている。 そこで我々は,市販のエキゾチックなペットのイメージを自動的に識別する目的で,Deep Neural Networksに基づくマシンビジョンモデルを開発した。 5つの異なるアーキテクチャ、3つのトレーニング方法、2つのタイプのデータセットを組み合わせた24のニューラルネットモデルをトレーニングしました。
  論文  参考訳（メタデータ） (2022-05-23T14:11:16Z)
• Efficient remedies for outlier detection with variational autoencoders [8.80692072928023]
  深層生成モデルによって計算される類似度は、ラベルなしデータによる外れ値検出の候補メトリックである。 理論的に定位された補正は、VAE推定値による鍵バイアスを容易に改善することを示す。 また,VAEのアンサンブル上で計算される確率の分散により,ロバストな外乱検出が可能となることを示す。
  論文  参考訳（メタデータ） (2021-08-19T16:00:58Z)
• Unsupervised Model Drift Estimation with Batch Normalization Statistics for Dataset Shift Detection and Model Selection [0.0]
  本研究では,未ラベル試験データに基づくバッチ正規化層の統計量を利用したモデルドリフト推定手法を提案する。 本手法は,モデル動物園内に複数の候補モデルが存在する場合のモデル選択だけでなく,教師なしの方法でのトレーニングトラジェクトリにおいても有効であることを示す。
  論文  参考訳（メタデータ） (2021-07-01T03:04:47Z)
• Zoo-Tuning: Adaptive Transfer from a Zoo of Models [82.9120546160422]
  Zoo-Tuningは、事前訓練されたモデルのパラメータをターゲットタスクに適応的に転送することを学ぶ。 我々は、強化学習、画像分類、顔のランドマーク検出など、様々なタスクに対するアプローチを評価した。
  論文  参考訳（メタデータ） (2021-06-29T14:09:45Z)

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。