Reconocimiento de caras de ovejas de multimodalidad basado en aprendizaje profundo
Autores: Liao, Sheng; Shu, Yan; Tian, Fang; Zhou, Yong; Li, Guoliang; Zhang, Cheng; Yao, Chao; Wang, Zike; Che, Longjie
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Reconocimiento de caras de ovejas de multimodalidad basado en aprendizaje profundo
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Zootecnia
Palabras clave
Caras de ovejas
Desafíos
Color
Datos de profundidad
Precisión de reconocimiento
Condiciones de iluminación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 8
Citaciones: Sin citaciones
Identificar las caras de las ovejas presenta desafíos significativos debido a sus similitudes morfológicas y los efectos de las diferentes condiciones de iluminación y ángulos en la calidad de la imagen. Este estudio presenta un modelo novedoso destinado a mejorar la precisión del reconocimiento al integrar datos de color (RGB) y de profundidad. Este modelo aprende eficazmente tanto de las características geométricas presentes en las imágenes de profundidad como de las características de textura encontradas en las imágenes de color. Los resultados experimentales indican que este modelo mejora significativamente la precisión del reconocimiento, incluso en condiciones de iluminación complejas y ángulos variables. Esta tecnología tiene un gran potencial para aplicaciones como la gestión de granjas y el seguimiento de animales, donde la identificación precisa es crucial.
Descripción
Identificar las caras de las ovejas presenta desafíos significativos debido a sus similitudes morfológicas y los efectos de las diferentes condiciones de iluminación y ángulos en la calidad de la imagen. Este estudio presenta un modelo novedoso destinado a mejorar la precisión del reconocimiento al integrar datos de color (RGB) y de profundidad. Este modelo aprende eficazmente tanto de las características geométricas presentes en las imágenes de profundidad como de las características de textura encontradas en las imágenes de color. Los resultados experimentales indican que este modelo mejora significativamente la precisión del reconocimiento, incluso en condiciones de iluminación complejas y ángulos variables. Esta tecnología tiene un gran potencial para aplicaciones como la gestión de granjas y el seguimiento de animales, donde la identificación precisa es crucial.