针对大鼠图像的身体部位分割与关键点检测的自监督方法
计算机视觉与模式识别
2024-05-09 v1 人工智能
摘要
对 individual 组件和关键点检测进行识别，并通过 instance 分割来支持，这对于分析场景中 agent 的行为至关重要。此类系统可用于监控、自动驾驶，也可用于医学研究，其中行为分析用于确认给定药物的后效应。解决上述任务的方法通常需要大量高质量的人工标注数据，而这需要时间和金钱。在本文中，我们提出一种能够缓解对实验鼠人工标注需求的方法。为此，我们首先生成初始标注，使用计算机视觉方法，然后通过广泛的数据增强，在生成的数据上训练深度神经网络。最终系统能够实现 instance 分割、关键点检测和身体部位分割，即使在对象严重遮挡的情况下也能正常工作。
引用
@article{arxiv.2405.04650,
title = {A Self-Supervised Method for Body Part Segmentation and Keypoint Detection of Rat Images},
author = {László Kopácsi and Áron Fóthi and András Lőrincz},
journal= {arXiv preprint arXiv:2405.04650},
year = {2024}
}