S_TransNeXtM:基于TransNeXtM和sLSTM的猪行为识别模型

科学领域:

• 动物科学动物科学
• 计算机视觉 计算机视觉
• 机器学习 机器学习

背景情况:

• 识别猪行为对于监测动物健康和环境条件至关重要.
• 传统的方法在特征提取和视频数据的长期时间依赖方面扎.

研究的目的:

• 开发一个先进的猪行为识别模型,有效地利用视频中的空间和时间信息.
• 克服现有的特征提取和序列分析方法的局限性.

主要方法:

• 提出了一个创新的骨干,TransNeXtM,结合了聚合注意力机制,卷积GLU和Mamba单元用于空间特征提取.
• 引入了用于时间分析的sLSTM,使用指数式门和稳定器状态来捕获更长的序列依赖性.
• 将空间和时间组件集成到S_TransNeXtM模型中.

主要成果:

• 在猪行为识别方面,S_TransNeXtM模型实现了最先进的性能.
• 获得了94.53%的准确性,比以前的基准值提高了多达11.32%.
• 在捕捉歧视性的全球和本地特征以及建立更长的时间依赖性方面表现出卓越的能力.

结论:

• 该S_TransNeXtM模型显著提高了猪行为识别性能.
• 该模型的架构有效地利用空间和时间数据来提高准确性.
• 这一进步为猪健康和环境监测提供了更有效的工具.