Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

Updated: Jan 18, 2026

Profiling Maternal Behavior Responses During Whole-Brain Imaging
07:12

Profiling Maternal Behavior Responses During Whole-Brain Imaging

Published on: January 24, 2025

1.4K

动态_瓶模块融合动态卷积和稀疏空间注意力,用于个人牛的识别.

Haobo Qi1, Tianxiong Song1, Yaqin Zhao1

  • 1College of Mechanical and Electronic Engineering, Nanjing Forestry University, Nanjing 210037, China.

Animals : an open access journal from MDPI
|September 13, 2025
PubMed
概括
此摘要是机器生成的。

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

In Situ Photopolymerization of Hydrogels in Radical Covalent Organic Frameworks.

Journal of the American Chemical Society·2026
Same author

Geometry-programmed self-wrinkling in organo-hydrogels for anisotropic mechanics and adaptive sensing.

Nature communications·2026
Same author

Robust zwitterionic hydrogels enabled by consolidated supramolecular networks and spatially hierarchical structures.

Nature communications·2025
Same author

A Lightweight Pig Aggressive Behavior Recognition Model by Effective Integration of Spatio-Temporal Features.

Animals : an open access journal from MDPI·2025
Same author

A Novel Active Polyphase Filter Employing Frequency-Dependent Image Rejection Enhancement Technique.

Micromachines·2025
Same author

Robust skin-integrated conductive biogel for high-fidelity detection under mechanical stress.

Nature communications·2025

这项研究引入了一种新的深度学习模型,用于使用动态卷曲和注意力机制准确识别单个牛. 改进的模型改善了用于繁殖和健康管理的非侵入性奶牛监测.

科学领域:

  • 计算机视觉 计算机视觉
  • 人工智能的人工智能
  • 动物科学动物科学

背景情况:

  • 准确的牛个体识别对于畜牧管理至关重要,它可以监测行为,健康和生长,用于繁殖选择.
  • 像射频识别 (RFID) 这样的传统方法可能会引起压力,而现有的基于图像的方法则难以适应环境和复杂场景.
  • 需要采用非侵入性,准确和强大的奶牛识别系统,适应各种条件.

研究的目的:

  • 开发一种基于图像的先进深度学习模型,用于准确和非侵入性地识别牛.
  • 在准确性,适应性和复杂性方面克服传统和当前基于图像的方法的局限性.
  • 通过改善牛的监测和选择能力来加强畜牧业管理.

主要方法:

  • 设计了一个新的动态卷积 (Dy_Conv) 模块,并将其集成到一个带有Sparse-shift Attention (S2Attention) 的Dynamic_Bottleneck模块中.
  • 修改了Resnet50架构,将瓶层替换为Dynamic_Bottleneck,以增强功能提取.
  • 整合了查询自适应卷积 (QAConv) 以适应规模,以及基于规范化的注意模块 (NAM) 以功能融合.

主要成果:

  • 拟议的模型在公共数据集上实现了高性能指标:排名-1准确率为96.8%,排名-5准确率为98.9%,mAP为95.3%.
关键词:
动态_瓶 的瓶动态卷积的动态卷积个体牛的个人标识.稀疏的注意力转移注意力.

更多相关视频

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

1.0K

相关实验视频

Last Updated: Jan 18, 2026

Profiling Maternal Behavior Responses During Whole-Brain Imaging
07:12

Profiling Maternal Behavior Responses During Whole-Brain Imaging

Published on: January 24, 2025

1.4K
Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

1.0K
  • 该模型有效地捕捉和整合了牛外观的多尺度特征,提高了复杂环境中的识别准确性.
  • 与现有方法相比,表现出优异的性能,特别是在区分视觉上相似的个体奶牛方面.

    • 结论:

    • 开发的模型提供了一种强大而准确的解决方案,用于非侵入性地识别单个牛.
    • 新型模块 (Dy_Conv,Dynamic_Bottleneck,QAConv,NAM) 显著提高了模型处理尺度变化和复杂场景的能力.
    • 这种进步支持精准畜牧业,因为它可以更有效地监测和管理单个奶牛.