用于牛追踪与行为分析的自举标注数据集构建
计算机视觉与模式识别
2017-03-31 v1 人工智能
机器学习
摘要
本文介绍了一种在充满挑战的环境中对目标进行长期跟踪的新方法。该目标为牛，环境为牛舍内的围栏。该领域的部分关键挑战包括背景杂乱、低对比度以及运动目标之间的高度相似性，这极大地降低了大多数现有方法（包括基于背景减除的方法）的效率。我们的方法分为目标定位、实例分割、学习和跟踪阶段。我们将该解决方案与一系列半监督目标跟踪算法进行了比较，结果表明其性能优异且非常适合后续分析。我们将该解决方案作为精准农业中更广泛的牛追踪和行为监测的第一步，最终目标是实现跛行的早期检测。
引用
@article{arxiv.1703.10571,
title = {Bootstrapping Labelled Dataset Construction for Cow Tracking and Behavior Analysis},
author = {Aram Ter-Sarkisov and Robert Ross and John Kelleher},
journal= {arXiv preprint arXiv:1703.10571},
year = {2017}
}