这不是一次简单的机器视觉项目课程，课程中把很多理论性极强的知识点进行了应用，让本身很晦涩的知识点变得简单易用，这才是课程的精华之处。因为在时下也有很多智能识别的项目，而本次的项目的不同之处就在于它将这些很多关联技术都应用在其中，适合从事深度学习和机器视觉的同学们，加深理解。

许多研究表明，我们可以通过猪的日常行为来推断其健康状态，所以如何有效观察「猪」的行为显得极其重要，这可以保证我们在「必要时」采取迅速的干预行动，以保证猪的健康状态。 长时间观察动物的行为很难人工完成，因此通常情况下采取的方案是使用基于传感器的自动化系统。 自动识别系统的使用可以大大简化对猪的行为的研究，尤其是基于计算机视觉的系统。其优势在于，它们可以对目标进行有效的状态评估，同时也不会影响动物的正常行为。近年来，这一方向的研究已经引入了深度学习的方法，并表现出不错的效果。传统意义上的「目标」和「关键点」检测器已被用于检测单个动物。虽然效果良好，但是边界框以及稀疏关键点无法追踪动物的轮廓，从而会导致丢失许多有效信息。