論文の概要: A Computer Vision Pipeline for Individual-Level Behavior Analysis: Benchmarking on the Edinburgh Pig Dataset

• arxiv url: http://arxiv.org/abs/2509.12047v1
• Date: Mon, 15 Sep 2025 15:31:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:23.369431
• Title: A Computer Vision Pipeline for Individual-Level Behavior Analysis: Benchmarking on the Edinburgh Pig Dataset
• Title（参考訳）: 個別レベル行動分析のためのコンピュータビジョンパイプライン:Edinburgh Pigデータセットのベンチマーク
• Authors: Haiyu Yang, Enhong Liu, Jennifer Sun, Sumit Sharma, Meike van Leerdam, Sebastien Franceschini, Puchun Niu, Miel Hostens,
• Abstract要約: 動物行動分析は、農業環境における動物福祉、健康状態、生産性を理解する上で重要な役割を担っている。 グループ住宅環境における動物の行動分析を自動化するために,オープンソースの最先端コンピュータビジョン技術を活用するモジュールパイプラインを提案する。 提案手法は, ゼロショット物体検出, モーション認識, セグメンテーションのための最先端モデルと, 頑健な動作認識のための視覚変換器を用いた高度な特徴抽出を組み合わせたものである。
• 参考スコア（独自算出の注目度）: 0.46297934208241753
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Animal behavior analysis plays a crucial role in understanding animal welfare, health status, and productivity in agricultural settings. However, traditional manual observation methods are time-consuming, subjective, and limited in scalability. We present a modular pipeline that leverages open-sourced state-of-the-art computer vision techniques to automate animal behavior analysis in a group housing environment. Our approach combines state-of-the-art models for zero-shot object detection, motion-aware tracking and segmentation, and advanced feature extraction using vision transformers for robust behavior recognition. The pipeline addresses challenges including animal occlusions and group housing scenarios as demonstrated in indoor pig monitoring. We validated our system on the Edinburgh Pig Behavior Video Dataset for multiple behavioral tasks. Our temporal model achieved 94.2% overall accuracy, representing a 21.2 percentage point improvement over existing methods. The pipeline demonstrated robust tracking capabilities with 93.3% identity preservation score and 89.3% object detection precision. The modular design suggests potential for adaptation to other contexts, though further validation across species would be required. The open-source implementation provides a scalable solution for behavior monitoring, contributing to precision pig farming and welfare assessment through automated, objective, and continuous analysis.
• Abstract（参考訳）: 動物行動分析は、農業環境における動物福祉、健康状態、生産性を理解する上で重要な役割を担っている。 しかし、従来の手作業による観察手法は、時間的、主観的、拡張性に制限がある。 グループ住宅環境における動物の行動分析を自動化するために,オープンソースの最先端コンピュータビジョン技術を活用するモジュールパイプラインを提案する。 提案手法は, ゼロショット物体検出, モーション認識, セグメンテーションのための最先端モデルと, 頑健な動作認識のための視覚変換器を用いた高度な特徴抽出を組み合わせたものである。 このパイプラインは、屋内豚のモニタリングで示されているように、動物の閉塞やグループハウジングのシナリオを含む課題に対処する。 我々は,エディンバラ豚行動ビデオデータセット上で,複数の行動課題に対するシステムの有効性を検証した。 我々の時間モデルは94.2%の精度を達成し、既存の方法よりも21.2ポイント改善した。 パイプラインは93.3%のアイデンティティ保持スコアと89.3%のオブジェクト検出精度で堅牢な追跡能力を示した。 モジュラー設計は、他の文脈への適応の可能性を示しているが、種を越えたさらなる検証が必要である。 オープンソースの実装は、行動監視のためのスケーラブルなソリューションを提供し、自動化、客観的、継続的な分析を通じて、精度の高い豚の養豚と福祉評価に寄与する。

関連論文リスト

• An Explainable AI based approach for Monitoring Animal Health [0.2749898166276853]
  牛の健康をモニタリングし、収穫を最適化することは、農場ですべての動物を追跡するのが困難であるため、乳製品農家が直面する重要な課題である。 本研究は、乳牛(牛)の活動と行動を説明する説明可能な機械学習(ML)手法に基づく、現代的なデータ駆動型農業の実践を紹介することを目的とする。
  論文  参考訳（メタデータ） (2025-08-13T21:40:35Z)
• Benchmarking pig detection and tracking under diverse and challenging conditions [1.865175170209582]
  オブジェクト検出のためのPigDetectと、マルチオブジェクト追跡のためのPigTrackの2つのデータセットをキュレートした。 対象物検出では,ランダムなサンプル画像のみを用いて達成可能なものよりも,困難なトレーニング画像により検出が向上することを示す。 マルチオブジェクト追跡において,SORTに基づく手法は,エンドツーエンドのトレーニング可能なモデルに比べて優れた検出性能が得られることを示した。
  論文  参考訳（メタデータ） (2025-07-22T14:36:51Z)
• PoseBench: Benchmarking the Robustness of Pose Estimation Models under Corruptions [57.871692507044344]
  ポース推定は、単眼画像を用いて人や動物の解剖学的キーポイントを正確に同定することを目的としている。 現在のモデルは一般的に、クリーンなデータに基づいてトレーニングされ、テストされる。 実世界の腐敗に対するポーズ推定モデルの堅牢性を評価するためのベンチマークであるPoseBenchを紹介する。
  論文  参考訳（メタデータ） (2024-06-20T14:40:17Z)
• AnimalFormer: Multimodal Vision Framework for Behavior-based Precision Livestock Farming [0.0]
  精密畜産のためのマルチモーダルビジョン・フレームワークを提案する。 我々は、GroundingDINO、HQSAM、ViTPoseモデルのパワーを利用する。 このスイートは、侵入的な動物タグ付けをすることなく、ビデオデータから包括的な行動分析を可能にする。
  論文  参考訳（メタデータ） (2024-06-14T04:42:44Z)
• 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)
• 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)
• AcinoSet: A 3D Pose Estimation Dataset and Baseline Models for Cheetahs in the Wild [51.35013619649463]
  我々はAcinoSetと呼ばれる野生のフリーランニングチーターの広範なデータセットを提示する。 データセットには、119,490フレームのマルチビュー同期高速ビデオ映像、カメラキャリブレーションファイル、7,588フレームが含まれている。 また、結果の3D軌道、人間チェックされた3D地上真実、およびデータを検査するインタラクティブツールも提供される。
  論文  参考訳（メタデータ） (2021-03-24T15:54:11Z)

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。