面向动物自动化识别的背部标记设计洞察
计算机视觉与模式识别
2026-03-27 v1 机器学习
摘要
迄今为止，关于如何设计背部标记以最好地支持外观均匀物种（如猪）的个体级监测的研究很少。随着基于机器学习的监测解决方案的快速增长，对于能够被此类算法有效识别的标记设计指南存在迫切需求。本研究基于对一台用于通过背部标记区分十头猪的神经网络（ResNet-50）的分析，提供了关于有效背部标记设计的有价值洞察。模型预测的分析凸显了某些设计选择的重要性，即使在受控环境中也是如此。最重要的是，背部标记集合必须设计得使每个标记在运动模糊、多变视角和动物行为引起的遮挡条件下保持无歧义性。此外，背部标记设计必须考虑模型训练中常用的数据增强策略，如颜色翻转和裁剪增强。生成的洞察可以通过优化背部标记设计来支持未来研究和实际应用中的个体级监测。
引用
@article{arxiv.2603.25535,
title = {Insights on back marking for the automated identification of animals},
author = {David Brunner and Marie Bordes and Elisabeth Mayrhuber and Stephan M. Winkler and Viktoria Dorfer and Maciej Oczak},
journal= {arXiv preprint arXiv:2603.25535},
year = {2026}
}