基于分割增强的RGB与深度视频中奶牛跛行检测
计算机视觉与模式识别
2022-06-10 v1
摘要
奶牛跛行是一种严重影响奶牛生命周期与生活质量并造成可观经济损失的疾病。早期跛行检测有助于养殖户及早处理病症,避免由奶牛状况恶化引起的负面影响。我们收集了一组奶牛通过挤奶站出口走廊的短视频片段,并标注了奶牛的跛行程度。本文对该数据集进行了探索,并详细描述了数据收集过程。此外,我们提出了一种跛行检测方法,利用预训练神经网络从视频中提取判别性特征,并为每头奶牛赋予一个二元评分以指示其状况:“健康”或“跛行”。我们通过用训练好的分割模型预测的二值分割掩码替代RGB视频,迫使模型关注奶牛的结构,从而改进了该方法。本工作旨在鼓励相关研究,并为计算机视觉模型在农场奶牛跛行检测中的适用性提供见解。
引用
@article{arxiv.2206.04449,
title = {Segmentation Enhanced Lameness Detection in Dairy Cows from RGB and Depth Video},
author = {Eric Arazo and Robin Aly and Kevin McGuinness},
journal= {arXiv preprint arXiv:2206.04449},
year = {2022}
}
备注
Accepted at the CV4Animals workshop in CVPR 2022