EUVIMEDEUVIMED entdecken
Crossref

Implementierung eines Noisy-Student-Ansatzes zur Verbesserung der automatischen Detektionsleistung bei Ferkeln

Martin Wutke, Holzhauer, Anne, Hartmann, Ulrich, Lieboldt, Marc-Alexander, Imke Traulsen

Gesellschaft für Informatik (GI) · 01.01.2024

DOI: 10.18420/giljt2024_08 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Gesellschaft für Informatik (GI), erschienen am 01.01.2024. Verfasst von Martin Wutke und 7 weiteren Autor:innen.

AbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Die Verwendung überwachter Lernalgorithmen aus dem Bereich der künstlichen Intelligenz hält vermehrt Einzug im wissenschaftlichen Alltag. Vor allem die Nutzung von Kameratechnologie und Objekterkennung zeigt großes Potenzial im ethologischen Kontext. Da der Prozess der Datenannotation einen Großteil der zeitlichen und kostenbezogenen Ressourcen vereinnahmt, werden langfristig innovative Trainingsansätze notwendig. Die vorliegende Studie beschreibt diesbezüglich einen semi-überwachten Noisy-Student-Ansatz zur automatischen Datengenerierung und Verbesserung der Objektdetektion am Beispiel neugeborener Ferkel. Im Rahmen eines zweistufen Modellansatzes wird ein auf händisch annotierten Daten trainiertes Lehrermodell zur Erzeugung von Pseudo-Annotationen und zum Training eines Schülermodells verwendet. Im Ergebnis kann auf diese Weise eine Verbesserung der Detektionsleistung mit einem Recall-Wert von 0,453 auf 0,707 und einem mAP0.5-Wert von 0,773 auf 0,839 erzielt werden. Die Ergebnisse dieser Studie werden im weiteren Projektverlauf zur Untersuchung des Abferkelprozesses und der Bestimmung kritischer Informationen zum Geburtsverlauf beitragen.

Schlagwörter

semi-supervised learningobject detectionpigletspseudo-labelingdata annotationautomated data generationtwo-stage modelethology

Zitieren

APA

Wutke, M., Holzhauer, Anne, Hartmann, Ulrich, Lieboldt, Marc-Alexander, & Traulsen, I. (2024). Implementierung eines Noisy-Student-Ansatzes zur Verbesserung der automatischen Detektionsleistung bei Ferkeln. Gesellschaft für Informatik (GI). https://doi.org/10.18420/giljt2024_08

Vancouver

Wutke M, Holzhauer, Anne, Hartmann, Ulrich, Lieboldt, et al. Implementierung eines Noisy-Student-Ansatzes zur Verbesserung der automatischen Detektionsleistung bei Ferkeln. Gesellschaft für Informatik (GI). 2024. doi:10.18420/giljt2024_08

BibTeX
@article{Wutke2024,
  author = {Wutke, Martin and Holzhauer and Anne and Hartmann and Ulrich and Lieboldt and Marc-Alexander and Traulsen, Imke},
  title = {Implementierung eines Noisy-Student-Ansatzes zur Verbesserung der automatischen Detektionsleistung bei Ferkeln},
  journal = {Gesellschaft für Informatik (GI)},
  year = {2024},
  doi = {10.18420/giljt2024_08}
}
Kostenlos starten →