論文の概要: Deep Learning Approach for RealTime Contraction Detection in Laboring Dairy Cattle

• arxiv url: http://arxiv.org/abs/2610.13242v1
• Date: Fri, 09 Oct 2026 08:55:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.486119
• Title: Deep Learning Approach for RealTime Contraction Detection in Laboring Dairy Cattle
• Title（参考訳）: 労働用乳牛のリアルタイム収縮検出のための深層学習手法
• Abstract要約: 本稿では,牛の労働収縮の自動認識のためのコンピュータビジョンに基づくアプローチを提案する。 本手法は,ビデオフレームから関連する特徴を抽出し,収縮の検出と分類を行う。 本研究は、労働収縮の検出において95%以上の高い精度を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Currently, the animal production sector is undergoing rapid development of techniques that allow automatic monitoring of animal behaviour and health. This paper presents a computer vision-based approach for the automatic recognition of labor contractions in cows. During the course of the study, videos depicting 100 cow births were collected. From the obtained videos, 8500 cow contraction actions and about 25 000 non-contraction sequences were extracted which constituted the dataset. Leveraging image processing techniques and deep learning algorithms like Convolutional Neural Networks (CNNs) and Vision Transformers (ViTs), our methodology extracts relevant features from video frames to detect and classify contractions. Our study demonstrates a high accuracy rate of over 95% in detecting labor contractions. This automated system has the potential to enhance productivity and animal welfare in the dairy industry by providing real-time monitoring and facilitating timely intervention during difficult calvings. The video demonstration of the system can be found at the following URL: https://www.youtube.com/watch?v=8fTSG5D7dZ0
• Abstract（参考訳）: 現在、動物生産部門は、動物の行動と健康を自動的に監視する技術の開発を急速に進めている。 本稿では,牛の労働収縮の自動認識のためのコンピュータビジョンに基づくアプローチを提案する。 研究の過程で、100頭の牛の出生を描写したビデオが収集された。 得られたビデオから,8500頭の牛の収縮行動と約25万個の非収縮配列を抽出し,データセットを構築した。 画像処理技術と、畳み込みニューラルネットワーク(CNN)やビジョントランスフォーマー(ViT)といったディープラーニングアルゴリズムを活用することで、ビデオフレームから関連する特徴を抽出し、収縮を検出して分類する。 本研究は、労働収縮の検出において95%以上の高い精度を示す。 この自動化システムは、乳製品産業における生産性と動物福祉を向上させる可能性があり、リアルタイムのモニタリングと、困難な培養作業におけるタイムリーな介入を促進する。 システムのデモビデオは以下のURLで見ることができる。 v=8fTSG5D7dZ0

関連論文リスト

• Cattle-CLIP: A Multimodal Framework for Cattle Behaviour Recognition [5.45546363077543]
  Cattle-CLIPは、牛の行動認識のためのマルチモーダルなディープラーニングフレームワークである。 これは、時間統合モジュールを追加することで、大規模な画像言語モデルCLIPから適応される。 実験により、キャトル-CLIPは6つの行動に対して96.1%の総合的精度を達成することが示された。
  論文  参考訳（メタデータ） (2025-10-10T09:43:12Z)
• Vision transformer-based multi-camera multi-object tracking framework for dairy cow monitoring [0.06282171844772422]
  本研究は,屋内飼育のホルスタイン・フリーズ産乳牛を対象とした,独自のマルチカメラリアルタイム追跡システムを開発した。 この技術は最先端のコンピュータビジョン技術を使っており、たとえばインスタンスのセグメンテーションや追跡アルゴリズムを使って牛の活動をシームレスに正確にモニタする。
  論文  参考訳（メタデータ） (2025-08-03T13:36:40Z)
• Leveraging Pre-Trained Visual Models for AI-Generated Video Detection [54.88903878778194]
  ビデオ生成の分野はDeepFakesを超えて進歩し、ジェネリックコンテンツでAI生成ビデオを検出する方法が緊急に必要になった。 本稿では,事前学習した視覚モデルを用いて,実写映像と実写映像を区別する手法を提案する。 提案手法は, 平均90%以上で高い検出精度を達成し, その有効性を裏付けるものである。
  論文  参考訳（メタデータ） (2025-07-17T15:36:39Z)
• Direct Video-Based Spatiotemporal Deep Learning for Cattle Lameness Detection [0.0]
  本研究では,公開されているビデオデータを用いた牛の乳腺自動検出のためのフレームワークを提案する。 2つのディープラーニングアーキテクチャをトレーニングし、評価した。 3D CNNは、精度、リコール、85%の精度でビデオレベルの分類精度を90%達成し、ConvLSD2モデルを上回った。
  論文  参考訳（メタデータ） (2025-04-23T04:17:41Z)
• Pig aggression classification using CNN, Transformers and Recurrent Networks [0.3792473194193801]
  ブタの攻撃性は、動物の分類と識別を通じてその影響を減らすために研究される行動の例である。 本研究では,STAM,TimeSformer,ViViTの変種と,ResNet3D2,Resnet(2+1)D,CnnLstmなどの畳み込みを用いた手法が主な手法である。
  論文  参考訳（メタデータ） (2024-03-13T13:38:58Z)
• Computer Vision for Primate Behavior Analysis in the Wild [61.08941894580172]
  ビデオに基づく行動監視は、動物の認知と行動を研究する方法を変える大きな可能性を秘めている。 今でも、エキサイティングな見通しと、今日実際に達成できるものの間には、かなり大きなギャップがある。
  論文  参考訳（メタデータ） (2024-01-29T18:59:56Z)
• SVFormer: Semi-supervised Video Transformer for Action Recognition [88.52042032347173]
  SVFormerは、未ラベルの動画サンプルに対処するために、安定した擬似ラベルフレームワークを採用する。 さらに,ビデオの複雑な時間変動をカバーするための時間ゆらぎを提案する。 特にSVFormerは、Kinetics-400の1%のラベル付け率でトレーニングエポックを減らし、最先端の技術を31.5%上回っている。
  論文  参考訳（メタデータ） (2022-11-23T18:58:42Z)
• 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)
• SuperAnimal pretrained pose estimation models for behavioral analysis [42.206265576708255]
  行動の定量化は神経科学、獣医学、動物保護活動など様々な応用において重要である。 我々は、SuperAnimalと呼ばれる新しい手法で統一基盤モデルを開発するための一連の技術革新を提案する。
  論文  参考訳（メタデータ） (2022-03-14T18:46:57Z)
• 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。