Entwicklung eines vielfältigen und anspruchsvollen Benchmark-Datensatzes für die Detektion von Schweinen in Bildern

Abstract

Die Lokalisation von Schweinen in Videobildern mittels Objektdetektion spielt eine Schlüsselrolle bei der Gestaltung digitaler Überwachungssysteme in der Schweinehaltung. Um leistungsstarke Schweinedetektionsmodelle zu trainieren und systematisch miteinander zu vergleichen, bedarf es diverser und für Detektionsmodelle anspruchsvoller annotierter Datensätze. Aktuell sind solche Ressourcen nur begrenzt verfügbar. Dem soll im Rahmen dieser Arbeit nachgegangen werden, indem die Grundlage für einen anspruchsvollen Benchmark-Datensatz für die Schweinedetektion geschaffen wird. Anspruchsvolle Bilder, d. h. anfällig für fehlerhafte Detektionen, wurden mithilfe eines interaktiven prädiktionsbasierten Ansatzes identifiziert. Die experimentellen Ergebnisse legen nahe, dass sich diese gezielte Auswahl von anspruchsvollen Bildern positiv auf die Leistung von trainierten Schweinedetektionsmodellen auswirkt.