Открытый доступ Открытый доступ  Ограниченный доступ Платный доступ или доступ для подписчиков

Процесс сегментации видеоданных для обучения глубоких нейронных сетей автоматическому распознаванию функциональных состояний КРС

Ирина Ивановна Михайленко, Олег Евгеньевич Нерубенко, Олег Дмитриевич Мещеряков

Аннотация


Большую популярность для решения задач распознавания объектов на статических изображениях, а также в видеопотоках приобретают нейронные сети. Сегментация (разметка) набора данных для последующего глубокого обучения — неотъемлемая часть любого проекта, который предполагает использование нейросетевых технологий компьютерного зрения. В статье представлен процесс сегментации видеоданных с изображением различных функциональных состояний крупного рогатого скота. Изучены методы видеоаналитики в части идентификации не вполне наблюдаемых динамических сцен, что позволит улучшить диагностику функциональных состояний коров. Данная разработка позволит осуществлять круглосуточный мониторинг для автоматического выявления аномального поведения животных и может быть использована в товарных животноводческих хозяйствах любого масштаба.

Ключевые слова


цифровизация; автоматизация; искусственный интеллект; глубокие нейронные сети; машинное зрение; распознавание действий

Полный текст:

PDF

Литература


Todorov M. I., Paetzold J. C., Schoppe O., et al. Machine learning analysis of whole mouse brain vasculature / Nat. Methods. 2020. V. 17. No. 4. P. 442 – 449.

Yamins D. L. K., DiCarlo J. J. Using goal-driven deep learning models to understand sensory cortex / Nat. Neurosci. 2016. V. 19. No. 3. P. 356 – 365.

Власов С. О., Гладышев А. И., Богуславский А. А., Соколов С. М. Решение задачи обнаружения объекта с помощью нейросетевых технологий / Препринты ИПМ им. М. В. Келдыша. 2023. № 16. С. 15 – 18.

Живрин Я. Э., Нафе Башар Алкзир. Методы определения объектов на изображении / Молодой ученый. 2018. № 7(193). С. 8 – 19.

Berckmans D. Precision livestock farming technologies for welfare management in intensive livestock systems / Rev. Sci. Tech. 2014. V. 33. No. 1. P. 189 – 196.

Макаренко А. В., Галкин В. А., Порцев Р. Ю. Belpig. NIOKR. Св. о гос. рег. программы для ЭВМ № 2021680716 РФ; зарег. 14.12.2021.

Михайленко И. И. Разметка данных как основной фактор обучения нейронной сети / Матер. Всерос. науч.-практ. конф. с междунар. уч., Белгород, 28 – 30 июня 2023 г. — Белгород: ООО «Константа», 2023. С. 461 – 465.




DOI: https://doi.org/10.30906/1999-5636-2024-4-33-36

Ссылки

  • На текущий момент ссылки отсутствуют.


Наши партнеры:



    

 

Подписаться на наши издания Вы можете через почтовые каталоги агентства «Роспечать» и Объединенный каталог «Пресса России», а также на сайтах агентств «УП Урал Пресс», «Информнаука», «Прессинформ» и «Профиздат».

© Издательский дом «Фолиум», 1998–2023