计算机科学 > 计算机视觉与模式识别
[提交于 2025年6月2日
]
标题: 基于加权图神经网络的羊面部疼痛评估
标题: Sheep Facial Pain Assessment Under Weighted Graph Neural Networks
摘要: 准确识别和评估绵羊的疼痛是区分动物健康状况并缓解有害情况的关键。然而,这种准确性受到管理这些动物自动监控疼痛能力的限制。面部评分是一种广泛使用且有用的方法,用于评估人类和其他生物的疼痛。研究人员还分析了绵羊的面部表情以评估其健康状态,并得出结论认为面部标志点检测和疼痛水平预测至关重要。 为此,我们提出了一种新的加权图神经网络(WGNN)模型,用于连接绵羊检测到的面部标志点并定义疼痛水平。此外,我们提出了一个新的绵羊面部标志点数据集,该数据集符合绵羊面部表情量表(SPFES)的参数。 目前,尚无专门针对图神经网络(GNNs)在绵羊面部标志点数据上检测和测量疼痛水平的全面性能基准。YOLOv8n检测器架构在绵羊面部标志点数据集中实现了59.30%的平均精度均值(mAP),在七种其他检测模型中表现最佳。WGNN框架在YOLOv8n轻量级车载设备部署模型上对多个面部部分表情的跟踪准确率为92.71%。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.