메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이한해솔 (Korea University) 사재원 (Korea University) 신현준 (Korea University) 정용화 (Korea University) 박대희 (Korea University) 김학재 (Class Act)
저널정보
한국멀티미디어학회 멀티미디어학회논문지 멀티미디어학회논문지 제22권 제2호
발행연도
2019.2
수록면
136 - 145 (10page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
The crowded environment of a domestic pig farm is highly vulnerable to the spread of infectious diseases such as foot-and-mouth disease, and studies have been conducted to automatically analyze behavior of pigs in a crowded pig farm through a video surveillance system using a camera. Although it is required to correctly separate occluding pigs for tracking each individual pigs, extracting the boundaries of the occluding pigs fast and accurately is a challenging issue due to the complicated occlusion patterns such as X shape and T shape. In this study, we propose a fast and accurate method to separate occluding pigs not only by exploiting the characteristics (i.e., one of the fast deep learning-based object detectors) of You Only Look Once, YOLO, but also by overcoming the limitation (i.e., the bounding box-based object detector) of YOLO with the test-time data augmentation of rotation. Experimental results with two-pigs occlusion patterns show that the proposed method can provide better accuracy and processing speed than one of the state-of-the-art widely used deep learning-based segmentation techniques such as Mask R-CNN (i.e., the performance improvement over Mask R-CNN was about 11 times, in terms of the accuracy/processing speed performance metrics).
#Pig Monitoring #Occluding Pigs #Segmentation #Deep Learning #YOLO

목차

ABSTRACT
1. 서론
2. 관련 연구
3. 제안 방법
4. 실험 결과
5. 결론
REFERENCE

참고문헌 (24)

참고문헌 신청
Y. Chung / 2013 / Automatic Detection and Recognition of Pig Wasting Diseases Using Sound Data in Audio Surveillance Systems / Sensors 13(10):12929~12942 google schola A. Wongsriworaphon / 2015 / An Approach Based on Digital Image Analysis to Estimate the Live Weights of Pigs in Farm Environments / Computers and Electronics in Agriculture 115(C):26~33 google schola M. Oczak / 2016 / Automatic Estimation of Number of Piglets in a Pen During Farrowing, Using Image Analysis / Biosystems Engineering 151:81~89 google schola 주미소 / 2016 / 이유자돈사에서 개별 돼지 모니터링을 위한 실시간 돼지 구분 / 멀티미디어학회논문지 19(2):215~223 dbpia L. Lee / 2016 / Automatic Recognition of Aggressive Behavior in Pigs Using a Kinect Depth Sensor / Sensors 16(5):631 google schola

이 논문의 저자 정보

이 논문과 함께 이용한 논문

Mask R-CNN을 이용한 항공 영상에서의 도로 균열 검출
이민혜 ,  남광우 ,  이창우 한국산업정보학회논문지 2019 .06
생태독성시험을 위한 국내 자생생물 후보 목록 도출 : (2) 토양시험종
남선화 ,  김민진 ,  안윤주 대한환경공학회지 2019 .04
얼굴 인식률 향상을 위한 멀티 블록 방식의 딥러닝 구조에 관한 연구
라승탁 ,  김홍직 ,  이승호 전기전자학회논문지 2018 .12
쿠다를 사용하여 GPU 리소스를 분배하는 지능형 얼굴 인식 및 트래킹 시스템
김재형 ,  이승호 전기전자학회논문지 2018 .06
감정 트레이닝 : 얼굴 표정과 감정 인식 분석을 이용한 이미지 색상 변환
김종현 컴퓨터그래픽스학회논문지 2018 .09

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2019-004-000484932