Read My Ears! Horse Ear Movement Detection for Equine Affective State Assessment

要約

馬の顔のアクションコーディングシステム（Equifacs）により、異なるアクションユニット（AUS）を介した顔の動きの体系的な注釈が可能になります。
不快感に関連する微妙な表情を特定することにより、馬の感情状態を評価するための重要なツールとして機能します。
ただし、馬の感情的な状態評価の分野は、注釈付きデータの希少性によって制約されています。これは、手動でフェイシャルAUSが時間がかかり、費用がかかるためです。
この課題に対処するために、既存のデータセットを活用し、感情的な状態検出ツールを改善するためには、自動注釈システムが不可欠です。
この作業では、特定の耳AUの検出と馬のビデオからのローカリゼーションのさまざまな方法を研究しています。
深い学習ベースのビデオ機能抽出と、ビデオ分類タスクのために再発性ニューラルネットワークと組み合わせた過去の作業と、古典的な光フローベースのアプローチを活用しています。
パブリックホースビデオデータセットでの耳の動きの存在の87.5％の分類精度を達成し、アプローチの可能性を示しています。
馬の福祉と獣医診断における自動AU検出と実用的なアプリケーションとのギャップを埋めることを目的として、これらのシステムを開発するための将来の方向性について説明します。
私たちのコードは、https://github.com/jmalves5/read-my-earsで公開されます。

要約(オリジナル)

The Equine Facial Action Coding System (EquiFACS) enables the systematic annotation of facial movements through distinct Action Units (AUs). It serves as a crucial tool for assessing affective states in horses by identifying subtle facial expressions associated with discomfort. However, the field of horse affective state assessment is constrained by the scarcity of annotated data, as manually labelling facial AUs is both time-consuming and costly. To address this challenge, automated annotation systems are essential for leveraging existing datasets and improving affective states detection tools. In this work, we study different methods for specific ear AU detection and localization from horse videos. We leverage past works on deep learning-based video feature extraction combined with recurrent neural networks for the video classification task, as well as a classic optical flow based approach. We achieve 87.5% classification accuracy of ear movement presence on a public horse video dataset, demonstrating the potential of our approach. We discuss future directions to develop these systems, with the aim of bridging the gap between automated AU detection and practical applications in equine welfare and veterinary diagnostics. Our code will be made publicly available at https://github.com/jmalves5/read-my-ears.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google