Содержание
- 2. Компьютер может собирать данные круглые сутки, что позволяет получить подробную статистику по каждой свинье. В таком
- 3. Актуальность Выход статей по автоматизации животноводства при помощи технологий искусственного интеллекта С каждым годом увеличивается точность
- 4. Цели и задачи работы Исследование подходов применения детекции и трекинга объектов на изображении Исследование архитектуры YOLOv5
- 5. Данные 5 Edinburgh Pig Behavior Video Dataset Вручную аннотированные 7200 кадров 16 базовых классов активности
- 6. Данные 5 Распределение оригинальных классов Распределение классов после объединения
- 7. Пайплайн 5
- 8. Детектор YOLOv5 7 Архитектура сети YOLOv5
- 9. Трекер Deep SORT 7 Алгоритм Deep SORT
- 10. Эксперимент 10 Приведение набора данных к нужному формату Объединение классов и применение маски к загону Найдены
- 11. Результат 11 5760/1440 train/test split
- 12. Выводы эксперимента 12 Проблемы датасета, дисбаланс Дальнейшие эксперименты: Обучить детектор только на поиск свиньи, а определение
- 13. Сервис 12
- 14. Сервис 12
- 15. Дальнейшие планы 12 Доработать демонстрационный сервис Показать представителям индустрии Взаимное сотрудничество: cбор датасета, апробация решений
- 17. Скачать презентацию