牛只检测中的遮挡问题
计算机视觉与模式识别
2022-12-23 v1 多媒体
摘要
在广阔区域内管理牛群对农业部门来说仍然是一个具有挑战性的问题。随着技术的发展，配备消费级数码相机的无人机 (UAVs) 正成为人工动物普查进行牲畜估算的一种流行替代方案，因为它们风险更低且成本更低。本文评估并比较了前沿的目标检测算法：YOLOv7、带有 ResNet50 主干的 RetinaNet、带有 EfficientNet 的 RetinaNet 以及 mask RCNN。其旨在改善遮挡问题，即利用深度学习算法从无人机采集的海量数据集中检测被遮挡的牛只，以实现准确的牛只检测。实验结果表明，与另外两种算法相比，YOLOv7 表现更优，精度为 0.612。所提出的方法被证明在牛脸检测方面优于通常的竞争算法，特别是在非常困难的情况下。
引用
@article{arxiv.2212.11418,
title = {Cattle Detection Occlusion Problem},
author = {Aparna Mendu and Bhavya Sehgal and Vaishnavi Mendu},
journal= {arXiv preprint arXiv:2212.11418},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:1701.01611 by other authors