基于CNN、Transformer与循环网络的猪只攻击行为分类
计算机视觉与模式识别
2024-03-14 v1 人工智能
摘要
开发可用于分析与检测动物行为的技术对畜牧业至关重要，因为借此可以监测动物应激与福利状况，并为农场决策提供支持。因此，开发相关应用可辅助养殖者做出决策，以提升生产性能并降低成本，因为目前动物行为由人工分析，容易出错且耗时。猪只的攻击性是研究的行为之一，旨在通过动物分类与识别来减少其影响。然而，这一过程费时费力且易出错，通过对受控环境中采集的视频进行视觉自动分类可减少此类问题。采集的视频可用于训练，进而借助计算机视觉与人工智能，利用神经网络技术进行分类。本研究采用的主要技术包括Transformer的变体：STAM、TimeSformer和ViViT，以及基于卷积的技术，如ResNet3D2、Resnet(2+1)D和CnnLstm。这些技术被用于猪只视频分类，目标是识别攻击性与非攻击性行为。本研究比较了多种技术，以分析使用Transformer的贡献，以及卷积技术在视频分类中的有效性。性能通过准确率、精确率和召回率进行评估。TimeSformer技术在视频分类中表现最佳，中位准确率达到0.729。
引用
@article{arxiv.2403.08528,
title = {Pig aggression classification using CNN, Transformers and Recurrent Networks},
author = {Junior Silva Souza and Eduardo Bedin and Gabriel Toshio Hirokawa Higa and Newton Loebens and Hemerson Pistori},
journal= {arXiv preprint arXiv:2403.08528},
year = {2024}
}