論文の概要: Real-Time Localisation of Dorsal Anatomical Regions on Dairy Cows in Commercial Rotary Parlours from RGB-D

• arxiv url: http://arxiv.org/abs/2610.32174v1
• Date: Fri, 23 Oct 2026 05:18:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.393231
• Title: Real-Time Localisation of Dorsal Anatomical Regions on Dairy Cows in Commercial Rotary Parlours from RGB-D
• Title（参考訳）: RGB-Dによる市販ロータリーパーラの乳牛背側解剖領域のリアルタイム局在
• Abstract要約: 対象の牛,10羽のボニーランドマーク,および4羽の背骨領域を識別する前端を提示する。 ネットワークはランドマークとリージョンIoU 0.70から0.91のPCK@10 0.905に到達し、T4 GPU上ではフレーム当たり26.4msで終端動作する。
• 参考スコア（独自算出の注目度）: 2.656130039383229
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated monitoring of dairy cows increasingly measures one part of the body, such as the rump for temperature or the back for posture, yet the region itself is usually placed by hand. Existing systems either score the cow as a whole or detect sparse keypoints, often in controlled walkways, and neither yields the named region masks that such measurements need on a crowded commercial rotary platform. We present a perception front end that finds the target cow, ten bony landmarks and four named dorsal regions (withers, back, rump and tail-head) in a single forward pass over a whole RGB-D frame from a commercial rotary parlour. Two encoders, one for colour and one for depth, are fused late and share one decoder with three heads. On an anatomical region dataset that we built on public rotary-parlour RGB-D images (538 annotated frames, cow-disjoint test set), the network reaches PCK@10 0.905 for landmarks and region IoU 0.70 to 0.91, and runs end to end in 26.4 ms per frame on a T4 GPU, against an 11 fps camera. Dense region supervision is what makes the landmarks accurate: removing the region head costs 0.15 PCK@10. Agreement between the two heads flags unreliable frames without labels. On our own rig at the largest dairy farm in Western Australia, the model transfers with ten labelled frames (PCK@10 0.84), and its regions are carried through depth into a radiometric thermal camera, giving one repeatable temperature per region and cow.
• Abstract（参考訳）: 乳牛の自動監視は体の一部、例えば体温や体温、姿勢などを測定するが、通常は手動で行う。 既存のシステムは牛全体をスコアリングするか、しばしば制御された通路でスパースキーポイントを検出するか、混雑した商業用ロータリープラットフォームで必要とされる名前のついた領域マスクを取得できない。 市販のロータリー・パーラーからRGB-Dフレーム全体への1つの前方通過において,目標牛,10頭のボニーランドマーク,および4つの名前の背部領域(ウィザーズ,バック,ランプ,テールヘッド)を識別する。 2つのエンコーダ(1つは色、もう1つは深さ)は遅く融合し、3つの頭を持つ1つのデコーダを共有する。 パブリックなロータリーパーラーRGB-D画像(538のアノテートフレーム、牛の分断テストセット)に基づいて構築した解剖学的領域データセット上で、ネットワークはランドマークと領域IoU 0.70から0.91のPCK@10 0.905に達し、T4 GPUで1フレーム当たり26.4msで、11fpsのカメラで終端まで走る。 リージョンの監督は、ランドマークを正確にする: リージョンのヘッドを削除するには、0.15 PCK@10がかかる。 2つのヘッドフラグ間の合意は、ラベルなしでは信頼できないフレームである。 オーストラリア西部最大の乳製品農場にある自家製リグでは、10個のラベル付きフレーム(PCK@10 0.84)でモデルが転送され、その領域は放射熱カメラに深さを通し、各地域と牛に1回の繰り返し温度を与える。

関連論文リスト

• FETALFusion: Resolution-Aware State-Space Modeling for Multi-Domain Fetal Head Segmentation [22.643964229988267]
  胎児頭部分節のためのデュアルパスCNN-MambaエンコーダであるFETALFusionを提案する。 4方向のステートスペーススキャンを2つの高解像度ステージでのみ適用する。 FETALFusionのDiceスコアは0.963、HD95は2.10mmで、テスト時間拡張やドメインラベルはない。
  論文  参考訳（メタデータ） (2026-10-13T08:35:30Z)
• AgroVisNet: A lightweight Convolutional Network and the BD-PlantDX Expert-Validated Benchmark for Radish, Potato and Pointed Gourd Disease Classification [0.3686530147760243]
  我々は,BD-PlantDXとともに,スクラッチから学習したコンパクトな畳み込みネットワークであるAgroVisNetを提案する。 BD-PlantDXでは、テスト精度は99.52%、重み付きF1は99.52%に達し、6つのImageNet推奨の軽量バックボーンを超える。 デプロイ用にエクスポートされたこのモデルは、0.46MBのフル整数ネットワークに0.22ポイントの精度で量子化し、1CPUで8.40msの画像を分類する。
  論文  参考訳（メタデータ） (2026-09-09T17:12:17Z)
• GeoRay: Gauge-Aware Feed-Forward Satellite 3D Reconstruction in the Geodetic Frame [11.043507429399414]
  パースペクティブに制約された特徴、絶対標高、モノクラーおよびマルチビューキューを扱う方法。 軽量な ray-consistent アダプタは、凍結したバックボーンをネイティブな RPC 線に沿って適合させる。 18のシステムの絶対フレームベンチマークであるStandardは、登録やテスト参照リークなしに絶対配置をスコア付けします。
  論文  参考訳（メタデータ） (2026-08-30T09:27:36Z)
• 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)
• ReCo: Region-Controlled Text-to-Image Generation [155.17312051375328]
  大規模テキスト・ツー・イメージ(T2I)モデルでは,高忠実度画像の生成に優れた性能を示した。 本稿では,T2I生成における地域制御の効果的な手法を提案する。 このような新しい入力インタフェースで事前学習したT2Iモデルを微調整する。
  論文  参考訳（メタデータ） (2022-11-23T18:56:31Z)
• Automated head and neck tumor segmentation from 3D PET/CT [9.814838162752112]
  HECKTOR (Head and neck tumor segmentation Challenge) 2022は、3D CTおよびPET画像から腫瘍とリンパ節のセグメンテーションの解決策を比較するためのプラットフォームを提供する。 すべての画像を共通の解像度に再サンプリングし、頭と首の領域をトリミングし、MONAIからSegResNetセマンティックセマンティックセグメンテーションネットワークをトレーニングします。 HECKTOR22チャレンジリーダーボードの総合スコアは0.78802である。
  論文  参考訳（メタデータ） (2022-09-22T06:24:09Z)
• Where in the World is this Image? Transformer-based Geo-localization in the Wild [48.69031054573838]
  世界各地で撮影された地上レベルのRGB画像から地理的位置(ジオローカライゼーション)を予測することは、非常に難しい問題です。 画像全体の細部を網羅する統合型デュアルブランチトランスネットワークであるTransLocatorを提案する。 我々は、Im2GPS、Im2GPS3k、YFCC4k、YFCC26kの4つのベンチマークデータセットでTransLocatorを評価し、5.5%、14.1%、4.9%、9.9%の大陸レベルの精度改善を得た。
  論文  参考訳（メタデータ） (2022-04-29T03:27:23Z)
• Cross-Camera Feature Prediction for Intra-Camera Supervised Person Re-identification across Distant Scenes [70.30052164401178]
  人物再識別(Re-ID)は、重複しないカメラビュー間で人物画像をマッチングすることを目的としている。 ICS-DS Re-IDは、カメラ内IDラベル付きクロスカメラアンペアデータを使用してトレーニングを行う。 カメラ横断型自己監視情報マイニングのためのクロスカメラ特徴予測法 グローバルレベルの特徴とローカルレベルの特徴の合同学習は、グローバルなローカルなクロスカメラ特徴予測スキームを形成する。
  論文  参考訳（メタデータ） (2021-07-29T11:27:50Z)
• Rover Relocalization for Mars Sample Return by Virtual Template Synthesis and Matching [48.0956967976633]
  我々は、概念火星サンプルリターンキャンペーンの文脈におけるローバー再局在化の問題を検討する。 このキャンペーンでは、ローバー(R1)は、約50 x 50 mの領域内を自律的にナビゲートおよびローカライズできる必要があります。 本研究では,相対的に不規則な地形に対してロバスト性を示す視覚ローカライザーを提案する。
  論文  参考訳（メタデータ） (2021-03-05T00:18:33Z)
• PANDA: A Gigapixel-level Human-centric Video Dataset [74.12377583050142]
  大規模・長期・多目的視覚分析のための,最初のギガPixelレベルのフガン中心のViDeo dAtasetであるPANDAを提示する。 PANDAのビデオは、ギガピクセルのカメラで撮影され、広い視野と高解像度の細部の両方で現実世界のシーンをカバーしている。 PANDAは15,974.6kのバウンディングボックス、111.8kの微粒な属性ラベル、12.7kの軌道、2.2kのグループ、2.9kの相互作用を含む、リッチで階層的な基底構造アノテーションを提供する。
  論文  参考訳（メタデータ） (2020-03-10T16:58:32Z)
• Road Curb Detection and Localization with Monocular Forward-view Vehicle Camera [74.45649274085447]
  魚眼レンズを装着した校正単眼カメラを用いて3Dパラメータを推定するロバストな手法を提案する。 我々のアプローチでは、車両が90%以上の精度で、リアルタイムで距離を抑えることができる。
  論文  参考訳（メタデータ） (2020-02-28T00:24:18Z)

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。