論文の概要: BMCTrack-d: Pig re-identification and tracking via back marks in challenging camera settings

• arxiv url: http://arxiv.org/abs/2609.03463v1
• Date: Thu, 03 Sep 2026 07:20:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-04 18:28:38.967224
• Title: BMCTrack-d: Pig re-identification and tracking via back marks in challenging camera settings
• Title（参考訳）: BMCTrack-d: カメラ設定に挑戦するブタの再識別とバックマークによる追跡
• Authors: David Brunner, Maciej Oczak, Marie Bordes, Jean-Loup Rault, Stephan M. Winkler, Viktoria Dorfer,
• Abstract要約: BMCTrack-dは、ユニークなバックマークを活用する新しいトラッキング・バイ・検出手法である。 この方法はまず、ニューラルネットワークに基づくバックマークを用いて検出されたブタの身元を予測する。 BMCTrack-dは要求の高いテストセットで2つの強いベースラインを上回ります。
• 参考スコア（独自算出の注目度）: 0.2770822269241974
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated pig monitoring is essential for assessing their health, behaviour, and welfare. To date, most pig monitoring solutions operate on the group-level, because individual-level monitoring requires reliable long-term identification and tracking of each animal. For domesticated pigs this remains challenging because pigs of the same breed often have highly uniform appearances. Moreover, research on pig monitoring is almost exclusively reported in top-down view camera settings, which considerably ease tracking, but are not always an option in practice. In this work, BMCTrack-d is presented, a novel tracking-by-detection approach that leverages unique back marks to enable robust pig re-identification and tracking in a challenging side-view camera setting, afflicted by rapidly moving pigs, severe occlusions and low resolution. The method first predicts the detected pigs' identities using a neural network-based back mark classifier. To improve re-identification reliability over time, two dedicated post-processing stages are introduced: a temporal prediction consistency check, which validates the identity assignments against the recent prediction history, and deduplication, which resolves conflicting identity assignments in each time step. By explicitly prioritising accurate, appearance-based re-identification over continuous tracking, the proposed approach addresses a key limitation of existing trackers for individual-level monitoring scenarios. On a demanding test set BMCTrack-d outperforms two strong baselines, BoT-SORT-ReID and TrackTrack-ReID, by 9.11% and 1.03%, respectively, in higher-order tracking accuracy. These results demonstrate the effectiveness of back mark-based re-identification and tracking for robust individual-level pig monitoring in challenging settings.
• Abstract（参考訳）: 自動ブタモニタリングは、彼らの健康、行動、福祉を評価するために不可欠である。 現在、ほとんどのブタモニタリングソリューションはグループレベルで動作しており、個々のレベルのモニタリングには、それぞれの動物の信頼性の高い長期的識別と追跡が必要である。 家畜の豚にとっては、同じ品種の豚がしばしば非常に均一な外観を持つため、これは依然として困難である。 さらに、豚の監視に関する研究は、トップダウンのカメラ設定でのみ報告されている。 この研究では、BMCTrack-dが紹介され、ユニークなバックマークを活用する新しいトラッキング・バイ・ディテクト手法により、ブタの高速移動、重度の閉塞、低解像度化に苦しむサイドビューカメラ設定において、堅牢な豚の識別と追跡を可能にする。 この方法はまず、ニューラルネットワークに基づくバックマーク分類器を用いて検出されたブタの身元を予測する。 時間とともに再識別の信頼性を向上させるために、最近の予測履歴に対するアイデンティティ割り当てを検証する時間的予測整合性チェックと、各タイムステップで矛盾するアイデンティティ割り当てを解決する重複処理という2つの専用の後処理段階を導入する。 連続的なトラッキングよりも正確で外観に基づく再識別を明示的に優先することにより、提案手法は、個人レベルの監視シナリオに対する既存のトラッカーの重要な制限に対処する。 要求されたテストセット BMCTrack-d では、BoT-SORT-ReID と TrackTrack-ReID の2つの強力なベースラインを高次追跡精度でそれぞれ 9.11% と 1.03% で上回っている。 以上の結果から, バックマークを用いたブタの追跡・再同定が, 困難な環境下での頑健な個体レベルのモニタリングに有効であることが示唆された。

関連論文リスト

• Promptable Animal Pose Tracking Across Species [6.856674886457795]
  動物のポーズ推定と追跡は野生生物のモニタリングと保護研究にとって重要である。 大規模データセットでトレーニングされた視覚基盤モデルは,限られたラベル付きデータを用いて動物のポーズを追跡するのに有効であることを示す。 ビデオ中のユーザ選択キーポイントを追跡するために,教師なしと教師なしの2つのモデルを提案する。
  論文  参考訳（メタデータ） (2026-08-05T16:04:20Z)
• DETRAM: End-to-end DEtection, Tracking and Recovery of HumAn Meshes [33.09915710948327]
  DETRAMはマルチパーソンHMRとトラッキングのための統合されたフレームワークである。 同時に、自動およびユーザプロンプトを介して、時間にわたって人間を検出し、再構築し、追跡する。
  論文  参考訳（メタデータ） (2026-07-10T04:12:59Z)
• An HMM-based framework for identity-aware long-term multi-object tracking from sparse and uncertain identification: use case on long-term tracking in livestock [0.04893345190925178]
  長時間の多目的追跡(MOT)の必要性は、数分にわたるビデオ内の個々の振る舞いを分析する必要性から増大している。 畜産部門のような現実世界の多くの応用では、飼料などの供給源から、一部の動物に対して散発的識別を得ることが可能である。 隠れマルコフモデル(HMM)を用いた不確実性と追跡の両立を図った新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-12T04:39:38Z)
• 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)
• Consistent multi-animal pose estimation in cattle using dynamic Kalman filter based tracking [0.0]
  KeySORTは、トラックレットをバウンディングボックスフリーで構築するための適応カルマンフィルタであり、検出されたキーポイントの時間的一貫性を著しく向上する。 実験結果から,提案アルゴリズムは,精度の高い真理キーポイントの最大80%を検出できることがわかった。
  論文  参考訳（メタデータ） (2025-03-13T15:15:54Z)
• Self-Supervised Multi-Object Tracking For Autonomous Driving From Consistency Across Timescales [53.55369862746357]
  自己管理型マルチオブジェクトトラッカーは、生のドメイン固有データから学習できるという大きな可能性を秘めている。 しかし、その再識別精度は、監督対象よりも低い。 本稿では,複数の連続フレームから再同定特徴を自己教師付きで学習できる学習目標を提案する。
  論文  参考訳（メタデータ） (2023-04-25T20:47:29Z)
• Unsupervised Learning of Accurate Siamese Tracking [68.58171095173056]
  分類枝と回帰枝の両方で時間対応を学習できる新しい教師なし追跡フレームワークを提案する。 トラッカーは、トラッカーネットやLaSOTのような大規模データセット上で、教師なしの手法と同等の性能を発揮する。
  論文  参考訳（メタデータ） (2022-04-04T13:39:43Z)
• 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。