基于 Transformer 的牲畜监测
计算机视觉与模式识别
2021-11-03 v2 人工智能
摘要
追踪牲畜行为可在现代养殖场中实现传染病的早期检测从而预防其发生。除经济收益外，这将减少牲畜养殖中抗生素的使用量，否则这些抗生素会进入人类饮食，加剧抗生素耐药性这一主要死亡原因所导致的流行。我们可以利用大多数现代农场中配备的标准摄像机来监测牲畜。然而，大多数计算机视觉算法在此任务上表现不佳，主要因为：(i) 农场饲养的动物外观一致，缺乏任何明显的空间特征；(ii) 现有跟踪器均不具备长时间鲁棒性；(iii) 真实世界条件如光照变化、频繁遮挡、相机角度变化及动物体型差异使模型难以泛化。鉴于这些挑战，我们开发了一个用于群养猪的端到端行为监测系统，以执行同步的实例级分割、跟踪、动作识别与重识别（STAR）任务。我们提出 starformer，首个端到端多目标牲畜监测框架，其通过 transformer 架构为群体猪学习实例级嵌入。为基准测试，我们提出 Pigtrace，一个精心整理的数据集，包含真实室内养殖环境下猪的实例级边界框、分割、跟踪与活动分类的视频序列。通过 STAR 任务的同步优化，我们表明 starformer 优于为单独任务训练的主流基线模型。
引用
@article{arxiv.2111.00801,
title = {Livestock Monitoring with Transformer},
author = {Bhavesh Tangirala and Ishan Bhandari and Daniel Laszlo and Deepak K. Gupta and Rajat M. Thomas and Devanshu Arya},
journal= {arXiv preprint arXiv:2111.00801},
year = {2021}
}
备注
Accepted at BMVC 2021