猪只的全景实例分割
计算机视觉与模式识别
2020-09-03 v1
摘要
若使用自动识别系统，猪的行为研究可大为简化。尤其是基于计算机视觉的系统具有可在不影响动物正常行为的情况下进行评估的优势。近年来，基于深度学习的方法被引入并展现出令人满意的良好结果。特别是物体与关键点检测器已被用于检测个体动物。尽管结果良好，边界框与稀疏关键点无法勾勒动物轮廓，导致大量信息丢失。因此本工作遵循相对新颖的全景分割定义，旨在对个体猪只进行像素级精确分割。为此，提出了一个由语义分割神经网络、不同网络头与后处理方法组成的框架。利用所得的实例分割掩码，可进一步估计如动物体型或体重等信息。该方法在一个专门创建的包含 1000 张人工标注图像的数据集上测试，尽管存在遮挡与镜头污损等干扰，仍取得了约 95%（F1 分数）的检测率。
引用
@article{arxiv.2005.10499,
title = {Panoptic Instance Segmentation on Pigs},
author = {Johannes Brünger and Maria Gentz and Imke Traulsen and Reinhard Koch},
journal= {arXiv preprint arXiv:2005.10499},
year = {2020}
}
备注
18 pages, 10 figures. Submitted to MDPI Sensors