基于深度学习数据增强技术的肉牛行为识别 与养殖状态评估研究
比较四种骨干网络并做数据增强消融,实现9类肉牛行为识别与养殖状态评估。
2 个信源阅读 3
关键词 · 相关资讯与研究
沿着“肉牛行为识别”继续探索,共 1 条内容。
构建9类肉牛姿态数据集,用ResNet50实现姿态识别并探究网络深度影响。
提出融合多分支注意力与混合图卷积网络,实现奶牛行为精准识别。
用YOLO检测与深度估计提取牛体区域特征,实现肉牛体况自动评分。
提出一种结合深度学习和几何建模的猫姿态自动分析框架,从RGB图像提取临床可解释的姿态描述符。
提出DC-YOLO模型,用于湖羊行为检测,解决遮挡与光照变化问题。
提出PB-DETR框架,实现群养生猪多行为识别,mAP达0.893。
HEART-Net: An ultra-lightweight multimodal neural network for on-device cattle live-weight estimation and precision phytogenic dosing。Smart Agricultural Technology
构建38关键点全身YOLOv8姿态框架,实现奶牛跛行自动评估并与Sprecher评分比对。