加权图神经网络下的羊面部疼痛评估
计算机视觉与模式识别
2025-06-03 v1
摘要
准确识别和评估羊的疼痛是辨别动物健康状况和减轻有害情况的关键。然而，这种准确性受限于管理这些动物疼痛自动监测的能力。面部表情评分是一种广泛使用且有效的方法，用于评估人类和其他生物的疼痛。研究人员还分析了羊的面部表情以评估其健康状况，并得出结论：面部关键点检测和疼痛水平预测是必不可少的。为此，我们提出了一种新颖的加权图神经网络（WGNN）模型，以连接检测到的羊面部关键点并定义疼痛水平。此外，我们提出了一个新的羊面部关键点数据集，该数据集遵循羊面部表情量表（SPFES）的参数。目前，没有专门评估在羊面部关键点数据上使用图神经网络（GNN）来检测和测量疼痛水平的综合性能基准。YOLOv8n 检测器架构在羊面部关键点数据集上实现了 59.30% 的平均精度均值（mAP），在另外七个检测模型中表现最佳。WGNN 框架在使用 YOLOv8n 轻量级板载设备部署模型跟踪多个面部部位表情时，准确率达到 92.71%。
引用
@article{arxiv.2506.01468,
title = {Sheep Facial Pain Assessment Under Weighted Graph Neural Networks},
author = {Alam Noor and Luis Almeida and Mohamed Daoudi and Kai Li and Eduardo Tovar},
journal= {arXiv preprint arXiv:2506.01468},
year = {2025}
}
备注
2025 19th International Conference on Automatic Face and Gesture Recognition (FG)