相关实验视频
Updated: Jan 9, 2026

13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.9K
BECA:计算机视觉数据集用于肉牛的长期识别
Yuqi Zhang1, Longxiang Li1, Chunyang Li1
1Key Laboratory of Universal Wireless Communications, Ministry of Education, Beijing University of Posts and Telecommunications, Beijing, China.
Scientific data
|December 5, 2025
概括
研究人员开发了肉牛数据集 (BECA),以解决长期牛重新识别数据的缺乏问题. 这一数据集支持改进计算机视觉,用于精确的畜牧业和牛群监测.
科学领域:
- 计算机视觉 计算机视觉
- 精准畜牧业 精准畜牧业 精准畜牧业 精准畜牧业
- 动物科学动物科学
背景情况:
- 由于显著的表型变化,畜牧业的计算机视觉在长期牛重新识别方面面临挑战.
- 现有的数据集往往缺乏强大的现实应用所需的规模和持续时间.
研究的目的:
- 引入肉牛数据集 (BECA),这是一个新的,大规模的资源,用于长期和多样化的牛识别.
- 为基于视觉的畜牧管理提供一个基准,包括识别,行为分析和福利监测.
主要方法:
- BECA包括两个子数据集:BECA-D (16,889张图像,5,661头牛) 用于视觉多样性和BECA-L (12,172张图像,103头牛) 用于长期跟踪 (长达5个月).
- 包括用于对象检测和构成估计的注释子集,以支持多样化的模型开发.
主要成果:
- BECA提供了一个全面的数据集,解决了长期牛重新识别的关键需求.
- 该数据集捕捉了大量的表型多样性,并在长时间内跟踪个人.
结论:
- 贝卡为在畜牧管理中推进计算机视觉应用建立了一个有价值的基准.
- 促进在现实世界农业条件下对牛的自动识别,行为分析和福利监测的研究.

