文献

J-GLOBAL ID：202202268864826919   整理番号：22A0573227

精密家畜農業のためのビデオデータを用いたC3D-ConvLSTMベース牛行動分類【JST・京大機械翻訳】

C3D-ConvLSTM based cow behaviour classification using video data for precision livestock farming

著者 (4件)： Qiao Yongliang (Australian Centre for Field Robotics (ACFR), Faculty of Engineering, The University of Sydney, NSW 2006, Australia) ,  Guo Yangyang (College of Mechanical and Electronic Engineering, Northwest A&F University, Yangling, Shaanxi 712100, China) ,  Yu Keping (Global Information and Telecommunication Institute, Waseda University, Tokyo 169-0072, Japan) ,  He Dongjian (College of Mechanical and Electronic Engineering, Northwest A&F University, Yangling, Shaanxi 712100, China)
資料名： Computers and Electronics in Agriculture  (Computers and Electronics in Agriculture)
巻： 193  ページ： Null  発行年： 2022年 
JST資料番号： T0337A  ISSN： 0168-1699  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： Cow行動は,動物福祉,活動および家畜生産に関する貴重な情報を提供する。したがって,行動のモニタリングは,動物の健康,生殖能力および生産収量の改善において重要性を増している。しかし,これらの行動間の動きの高い類似性のため,高精度で異なる行動を認識し,分類することは挑戦的である。本研究では,C3D(畳込み3D)ネットワークおよびConvLSTM(畳込みLong Short-Term記憶)と知的に組み合わせ,摂食,探索,グルーミング,歩行および立位を含む5つの共通行動を分類するために,酪農行動を監視し,分類するための深層学習フレームワークを提案した。このために,3D CNN特徴をC3Dネットワークを用いてビデオフレームから最初に抽出した。次に,ConvLSTMを適用して空間時間特徴を抽出し,最終得られた特徴を挙動分類のためにソフトマックス層に供給した。30フレームビデオ長を用いた提案アプローチは,それぞれ,子牛およびウシデータセットで90.32%および86.67%分類精度を達成し,それは,Incep-V3,SimpleRNN,LSTM,BiLSTMおよびC3Dを含む最先端の方法より優れていた。さらに,挙動分類に対するビデオ長の影響も検討した。ビデオシーケンス長を30フレームに増加させると,分類性能が向上することが分かった。大規模な実験は,C3DとConvLSTMの組み合わせが,空間-時間特徴を用いて,ビデオベースの行動分類精度を著しく改善することができ,それは,精密家畜農業のための自動行動分類を可能にすることを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 性能 ,  畳込み ,  情報 ,  ネットワーク ,  運動 ,  *家畜 ,  生殖能力 ,  *録画装置 ,  *三次元 ,  酪農 ,  立位 ,  動物福祉 ,  機械学習
準シソーラス用語： ビデオシーケンス ,  仔牛 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 行動分類 ,  3D CNN ,  LSTM ,  深層学習 ,  精密家畜農業

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 家畜 ,  農業 ,  ビデオデータ ,  C3d ,  牛 ,  行動 ,  分類