期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进DeepSORT的群养生猪行为识别与跟踪方法
被引量：
25
1
作者
涂淑琴
刘晓龙
+3 位作者
梁云
张宇
黄磊
汤寅杰
《农业机械学报》
EI
CAS
CSCD
北大核心
2022年第8期345-352,共8页
为改善猪只重叠与遮挡造成的猪只身份编号(Identity,ID)频繁跳变,在YOLO v5s检测算法基础上,提出了改进DeepSORT行为跟踪算法。该算法改进包括两方面:一针对特定场景下猪只数量稳定的特点,改进跟踪算法的轨迹生成与匹配过程,降低ID切换...
为改善猪只重叠与遮挡造成的猪只身份编号(Identity,ID)频繁跳变,在YOLO v5s检测算法基础上,提出了改进DeepSORT行为跟踪算法。该算法改进包括两方面:一针对特定场景下猪只数量稳定的特点,改进跟踪算法的轨迹生成与匹配过程,降低ID切换次数,提升跟踪稳定性;二将YOLO v5s检测算法中的行为类别信息引入跟踪算法中,在跟踪中实现准确的猪只行为识别。实验结果表明,在目标检测方面,YOLO v5s的mAP为99.3%,F1值为98.7%。在重识别方面,实验的Top-1准确率达到99.88%。在跟踪方面,改进DeepSORT算法的MOTA为91.9%,IDF1为89.2%,IDS为33;与DeepSORT算法对比,MOTA和IDF1分别提升了1.0、16.9个百分点,IDS下降了83.8%。改进DeepSORT算法在群养环境下能够实现稳定ID的猪只行为跟踪,能够为无接触式的生猪自动监测提供技术支持。
展开更多
关键词
群养生猪
目标检测
行为识别
多目标跟踪
DeepSORT
在线阅读
下载PDF
职称材料
基于改进ByteTrack算法的群养生猪行为识别与跟踪技术
被引量：
11
2
作者
涂淑琴
汤寅杰
+3 位作者
李承桀
梁云
曾扬晨
刘晓龙
《农业机械学报》
EI
CAS
CSCD
北大核心
2022年第12期264-272,共9页
群养生猪行为的识别与跟踪是智能养殖中监测猪只健康的关键技术。为在猪只重叠与遮挡复杂场景中,实现群养生猪行为识别与稳定跟踪,提出了改进ByteTrack算法。首先,采用YOLOX-X目标检测器实现群养生猪检测,然后,提出改进ByteTrack多目标...
群养生猪行为的识别与跟踪是智能养殖中监测猪只健康的关键技术。为在猪只重叠与遮挡复杂场景中,实现群养生猪行为识别与稳定跟踪,提出了改进ByteTrack算法。首先,采用YOLOX-X目标检测器实现群养生猪检测,然后,提出改进ByteTrack多目标跟踪算法。该算法改进包括:设计并实现BYTE数据关联的轨迹插值后处理策略,降低遮挡造成的IDs错误变换,稳定跟踪性能;设计适合群养生猪的检测锚框,将YOLOX-X检测算法中的行为类别信息引入跟踪算法中,实现群养生猪行为跟踪。改进ByteTrack算法的MOTA为96.1%,IDF1为94.5%,IDs为9,MOTP为0.189;与ByteTrack、DeepSORT和JDE方法相比,在MOTA与IDF1上均具有显著提升,并有效减少了IDs。改进ByteTrack算法在群养环境下能实现稳定ID的猪只行为跟踪,能够为无接触式自动监测生猪提供技术支持。
展开更多
关键词
群养生猪
行为识别
多目标跟踪
ByteTrack
在线阅读
下载PDF
职称材料
题名
基于改进DeepSORT的群养生猪行为识别与跟踪方法
被引量：
25
1
作者
涂淑琴
刘晓龙
梁云
张宇
黄磊
汤寅杰
机构
华南农业大学数学与信息学院
华南农业大学电子工程学院
出处
《农业机械学报》
EI
CAS
CSCD
北大核心
2022年第8期345-352,共8页
基金
广东省科技计划项目(2019A050510034)
广州市重点项目(202206010091)
+1 种基金
广州市科技计划重点实验室建设项目(201902010081)
广东省企业特派员项目(GDKTP2021055700)
文摘
为改善猪只重叠与遮挡造成的猪只身份编号(Identity,ID)频繁跳变,在YOLO v5s检测算法基础上,提出了改进DeepSORT行为跟踪算法。该算法改进包括两方面:一针对特定场景下猪只数量稳定的特点,改进跟踪算法的轨迹生成与匹配过程,降低ID切换次数,提升跟踪稳定性;二将YOLO v5s检测算法中的行为类别信息引入跟踪算法中,在跟踪中实现准确的猪只行为识别。实验结果表明,在目标检测方面,YOLO v5s的mAP为99.3%,F1值为98.7%。在重识别方面,实验的Top-1准确率达到99.88%。在跟踪方面,改进DeepSORT算法的MOTA为91.9%,IDF1为89.2%,IDS为33;与DeepSORT算法对比,MOTA和IDF1分别提升了1.0、16.9个百分点,IDS下降了83.8%。改进DeepSORT算法在群养环境下能够实现稳定ID的猪只行为跟踪,能够为无接触式的生猪自动监测提供技术支持。
关键词
群养生猪
目标检测
行为识别
多目标跟踪
DeepSORT
Keywords
group-housed pigs
object detection
behavior recognition
multi-object tracking
DeepSORT
分类号
S828 [农业科学—畜牧学]
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于改进ByteTrack算法的群养生猪行为识别与跟踪技术
被引量：
11
2
作者
涂淑琴
汤寅杰
李承桀
梁云
曾扬晨
刘晓龙
机构
华南农业大学数学与信息学院
出处
《农业机械学报》
EI
CAS
CSCD
北大核心
2022年第12期264-272,共9页
基金
广东省科技计划项目(2019A050510034)
广州市重点项目(202206010091)
中国“互联网+”大学生创新创业大赛项目(202110564025)
文摘
群养生猪行为的识别与跟踪是智能养殖中监测猪只健康的关键技术。为在猪只重叠与遮挡复杂场景中,实现群养生猪行为识别与稳定跟踪,提出了改进ByteTrack算法。首先,采用YOLOX-X目标检测器实现群养生猪检测,然后,提出改进ByteTrack多目标跟踪算法。该算法改进包括:设计并实现BYTE数据关联的轨迹插值后处理策略,降低遮挡造成的IDs错误变换,稳定跟踪性能;设计适合群养生猪的检测锚框,将YOLOX-X检测算法中的行为类别信息引入跟踪算法中,实现群养生猪行为跟踪。改进ByteTrack算法的MOTA为96.1%,IDF1为94.5%,IDs为9,MOTP为0.189;与ByteTrack、DeepSORT和JDE方法相比,在MOTA与IDF1上均具有显著提升,并有效减少了IDs。改进ByteTrack算法在群养环境下能实现稳定ID的猪只行为跟踪,能够为无接触式自动监测生猪提供技术支持。
关键词
群养生猪
行为识别
多目标跟踪
ByteTrack
Keywords
group-housed pigs
behavior recognition
multi-object tracking
ByteTrack
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进DeepSORT的群养生猪行为识别与跟踪方法
涂淑琴
刘晓龙
梁云
张宇
黄磊
汤寅杰
《农业机械学报》
EI
CAS
CSCD
北大核心
2022
25
在线阅读
下载PDF
职称材料
2
基于改进ByteTrack算法的群养生猪行为识别与跟踪技术
涂淑琴
汤寅杰
李承桀
梁云
曾扬晨
刘晓龙
《农业机械学报》
EI
CAS
CSCD
北大核心
2022
11
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
