マルチモデルディープラーニングによる羊の顔識別,アンサンブルラーニングによる深層学習の評価

科学分野:

• コンピュータサイエンス コンピュータサイエンス
• 人工知能 (AI) とは,人工知能 (AI) のことです.
• 機械学習 (Machine Learning) とは,機械学習 (Machine Learning) について学ぶことです.
• バイオメトリクス バイオメトリクス

背景:

• 伝統的な羊の識別方法 (耳タグ,RFID) は,精度や管理効率に制限があります.
• ディープラーニングベースの顔認識は,家畜の識別のためのコンタクトレスで迅速でユーザーフレンドリーな代替手段を提供します.
• 限られた研究では,個々の羊の識別のためのディープラーニングアーキテクチャとアンサンブル戦略を体系的に比較しています.

研究 の 目的:

• 個々の羊の顔識別のためのデータセットを再構築し,拡張する.
• 最先端のディープラーニングアーキテクチャと羊識別のためのアンサンブルアプローチを体系的に評価する.
• 農場での羊の識別のための実用的なグラフィカルユーザーインターフェース (GUI) を開発する.

主な方法:

• 172匹のユニークな羊から14,810匹の羊の顔画像を含むデータセットを再構築し,拡張しました.
• ベースラインと微調整された構成で16のディープラーニングアーキテクチャ (EfficientNet,DenseNet,MobileNetなど) を評価した.
• ソフト・ウェイト・アンド・スタック・アンサンブル・モデルを開発し,上位3つの微調整されたアーキテクチャを使用し,GUIを実装しました.

主要な成果:

• 微調整により,識別精度が大幅に改善され,EfficientNetB1は91.3%に達しました.
• アンサンブル戦略により,ソフトアンサンブル (92.4%),ウェイト・アンサンブル (92.6%) のパフォーマンスはさらに向上しました.
• Stacked Ensembleは93.7%で最高の識別精度を達成し,GUIはリアルタイム検証をサポートしました.

結論:

• 微調整されたディープラーニングモデルは,個々の羊の識別性能を大幅に向上させます.
• スタック・アンサンブルアプローチは,最も正確でバランスの取れた識別結果を提供します.
• アンサンブルディープラーニングとGUIを搭載した顔のバイオメトリックは,家畜の識別のための信頼性の高いスケーラブルなソリューションです.