基于视觉的猪新奇偏好行为识别
计算机视觉与模式识别
2021-06-24 v1
摘要
研究数据的行为评分对于提取特定领域指标至关重要，但使用人力分析海量信息构成了瓶颈。深度学习被广泛视为缓解该瓶颈的关键进展。我们确定了这样一个领域，其中可利用深度学习减轻人工评分过程。新奇偏好范式已被广泛用于研究猪的识别记忆，但这些视频的分析需要人工干预。我们以“猪新奇偏好行为”（PNPB）数据集的形式引入了此类视频的一个子集，该数据集使用猪的动作和关键点进行了完整标注。为展示最先进动作识别模型在该数据集上的应用，我们基于多种分析指标比较了 LRCN、C3D 和 TSM，并讨论了模型的常见缺陷。我们的方法在估计仔猪行为时达到了 93% 的准确率和 96% 的平均精度均值（mean Average Precision）。我们在 https://github.com/AIFARMS/NOR-behavior-recognition 开源了代码和标注数据集。
引用
@article{arxiv.2106.12181,
title = {Vision-based Behavioral Recognition of Novelty Preference in Pigs},
author = {Aniket Shirke and Rebecca Golden and Mrinal Gautam and Angela Green-Miller and Matthew Caesar and Ryan N. Dilger},
journal= {arXiv preprint arXiv:2106.12181},
year = {2021}
}
备注
5 pages, 7 figures, Accepted at the CVPR 2021 CV4Animals workshop