基于孪生网络和度量学习的牛脸检测与识别模型 被引量：1

1

作者 刘晋维 李富忠 +2 位作者 陈新文 郑文新 郭雷风 《计算机技术与发展》 2025年第9期175-181,共7页

随着全球畜牧业的持续发展,对精确、可靠的牛只监控需求日益增加。传统的标记方法如耳标和RFID射频识别虽然广泛使用,但存在着易丢失、维护成本高等缺点,并且不利于动物福祉。牛脸识别作为一种生物特征识别技术,能够克服这些限制,从而... 随着全球畜牧业的持续发展,对精确、可靠的牛只监控需求日益增加。传统的标记方法如耳标和RFID射频识别虽然广泛使用,但存在着易丢失、维护成本高等缺点,并且不利于动物福祉。牛脸识别作为一种生物特征识别技术,能够克服这些限制,从而减少对牛只的潜在伤害。然而,传统牛脸识别方法常常受到识别精度和环境适应性的限制。为了解决上述问题,该文设计了一种基于孪生网络与度量学习的牛脸检测与识别模型CowSiamese。此模型先利用改进的YOLOv8s检测牛脸位置,再进行特征度量学习对牛只个体进行识别。首先,提出了一个基于改进EfficientNet的孪生网络结构,并在其中融入了3D多尺度注意力机制。其次,为了进一步提高特征区分度,对Arcface损失函数进行了改进,提出了一种新的度量学习损失函数Tri-Arcface,该损失函数可以更有效地优化特征空间的几何分布。实验结果显示,模型在识别准确率、召回率及F 1分数分别达到99.4%、98.6%和99.5%,与现有技术相比,在识别精度上有显著提升。 展开更多

关键词 牛脸识别 孪生网络 牛脸检测 度量学习 改进EfficientNet Tri-Arcface

在线阅读 下载PDF 职称材料

基于多尺度融合网络的轻量化牛脸识别算法

2

作者 齐咏生 全家乐 +2 位作者 栾浩天 刘利强 刘慧文 《农业机械学报》 北大核心 2025年第12期615-622,644,共9页

在牛场智能化养殖中,牛只面部识别技术的运用至关重要。然而,由于牛场养殖环境复杂多变以及牛脸形态的非平面特性,使得面部识别技术在实际应用中常面临识别精度不足、鲁棒性较差等问题。针对上述问题,提出一种基于FaceNet的多尺度融合网... 在牛场智能化养殖中,牛只面部识别技术的运用至关重要。然而,由于牛场养殖环境复杂多变以及牛脸形态的非平面特性,使得面部识别技术在实际应用中常面临识别精度不足、鲁棒性较差等问题。针对上述问题,提出一种基于FaceNet的多尺度融合网络(FaceNet based on multi-scale fusion,FMF),通过牛只面部特征识别牛只身份。采用MSRCR方法对输入牛脸图像进行色彩恢复预处理,降低光照对FMF算法的影响;在主干特征提取网络中引入更加轻量化的MobileNetV3,在保证较高特征提取能力的前提下减小模型参数量和计算量;提出一种对于特征多尺度融合的注意力机制M_CBAM(Composite dual-branch adaptive attention),M_CBAM可依据特征图重要特征调整加权系数,自适应加权串行CBAM与并行CBAM的权重,然后进行牛脸局部细微特征和全局特征的多尺度特征融合,提升牛脸识别精度。为探索本文算法的有效性和实时性,在自制牛脸数据集上进行消融实验,并将所得结果与当前主流的识别算法进行对比,最后将其部署至Jetson AGX Xavier嵌入式平台上进行算法应用测试。结果表明,本文算法在其他奶牛场采集的开集测试集上准确率达到93.86%,帧率达到30.02 f/s,在模型推理速度较快的条件下,识别精度明显优于原网络与对比网络。 展开更多

关键词 牛脸识别 FaceNet 特征提取 注意力机制

在线阅读 下载PDF 职称材料

牛脸识别技术研究进展及应用场景分析 被引量：1

3

作者 刘晋维 郭雷风 +1 位作者 刘东昊 袁明 《北方牧业》 2025年第1期13-13,共1页

牛脸识别技术对于提高养殖效率和动物福利发挥着重要作用。本文介绍了牛脸识别技术在个体识别领域中的优势和当前牛脸识别主要技术架构,分析了牛脸识别技术在数据质量、面部特征变化和数据安全性方面所面临的挑战,列举了牛脸识别技术在... 牛脸识别技术对于提高养殖效率和动物福利发挥着重要作用。本文介绍了牛脸识别技术在个体识别领域中的优势和当前牛脸识别主要技术架构,分析了牛脸识别技术在数据质量、面部特征变化和数据安全性方面所面临的挑战,列举了牛脸识别技术在个体精准管理、疾病预防控制和保险理赔方面的应用案例,展望了此技术在未来畜牧业中的广泛应用和发展潜力,为实现智能化牧场管理提供参考,助力精准化养殖的发展。1研究背景随着大数据、人工智能和物联网等技术的发展,畜牧业正在向现代化迈进。精准化养殖作为现代畜牧业的一种创新模式,对于推动畜牧业高质量发展具有重要意义,而个体识别技术是精准化养殖的基础。当前,牛只个体识别主要分为接触式识别和非接触式识别两类。常见的接触式识别包括耳标、项圈、无线射频识别(RFID)、截耳法、烙印等。这类方法虽然操作简单且成本低,但容易发生丢失或损坏,并且产生牛只健康问题,存在较大的局限性。 展开更多

关键词 精准化养殖 面部特征 数据安全性 牛脸识别

在线阅读 下载PDF 职称材料

奶牛脸部及关键点检测数据集 被引量：1

4

作者 侯现坤 黄小平 +5 位作者 黄飞 豆子豪 郑寰宇 王晨洋 冯涛 刘梦艺 《中国科学数据(中英文网络版)》 2025年第1期14-23,共10页

奶牛脸部及关键点检测可以帮助牛场构建识别系统以及对牛脸进行姿态估计,帮助牛场智能化升级。基于深度学习的奶牛脸部及关键点检测模型需要数据集进行训练,以提高模型的准确性和鲁棒性。因此,在自然条件拍摄的奶牛脸部数据集,对于奶牛... 奶牛脸部及关键点检测可以帮助牛场构建识别系统以及对牛脸进行姿态估计,帮助牛场智能化升级。基于深度学习的奶牛脸部及关键点检测模型需要数据集进行训练,以提高模型的准确性和鲁棒性。因此,在自然条件拍摄的奶牛脸部数据集,对于奶牛脸部及关键点检测模型训练,实现牛脸识别系统搭建以及牛脸姿态估计至关重要。本数据集包含了不同角度、不同光照、不同数量等复杂环境下的奶牛脸部的图像,共2538张图像。使用Labelme软件对奶牛脸部以及左右眼睛中心、鼻子中间、左右嘴角5个关键点进行标注,得到2538个json标注文件。并将标注的COCO(json)格式文件转为YOLO(txt)格式文件,把图片以及对应的txt格式标签按照4:1的比例划分训练集和测试集,用于训练YOLOv5-Pose、YOLOv7-Pose、YOLOv8-Pose等关键点检测模型。实验表明,本数据集在奶牛脸部及关键点检测模型上表现良好,为奶牛脸部及关键点检测等方向上的研究和应用提供了有价值的图像数据资源。 展开更多

关键词 奶牛 深度学习 牛脸检测 关键点检测

在线阅读 下载PDF 职称材料

改进YOLOv8s的轻量化牛脸识别模型

5

作者 邴树营 张玉玉 +3 位作者 纪元浩 严蓓蓓 邹明 许金普 《中国农机化学报》 北大核心 2025年第8期128-134,共7页

为实现在奶牛养殖场复杂环境下,非接触且实时检测奶牛面部个体身份,提出一种基于YOLOv8s目标检测网络的性能优良且轻量化的识别模型。以17头荷斯坦奶牛作为研究对象,在奶牛进食通道旁安装摄像机,定时、自动获取奶牛视频,用视频帧分解技... 为实现在奶牛养殖场复杂环境下,非接触且实时检测奶牛面部个体身份,提出一种基于YOLOv8s目标检测网络的性能优良且轻量化的识别模型。以17头荷斯坦奶牛作为研究对象,在奶牛进食通道旁安装摄像机,定时、自动获取奶牛视频,用视频帧分解技术得到奶牛面部图像,并用结构相似性指数方法对图像间的相似性进行度量,剔除相似性过高的图像,再通过人工标注奶牛个体编号。以YOLOv8s模型为基础在主干网络中加入注意力机制CBAM,提升算法精度,引入Slim—Neck设计范式,使用GSConv轻量级卷积模块替换传统卷积模块(SC),使用基于GSConv设计的VoV—GSCSP模块替换C2f模块,进而减轻模型负担,同时保持准确性。改进YOLOv8s的模型内存占用量为21.3 MB,比YOLOv8s的占用量小1.3 MB,检测速度FPS、精确率P、召回率R、平均精度均值mAP分别提升39.57%、5.68%、7.74%、3.33%。改进YOLOv8s可在保证网络模型轻量化和精度的同时对奶牛面部识别,具有较好的鲁棒性,能够实现复杂环境下养殖场的奶牛面部个体识别。 展开更多

关键词 奶牛养殖 牛脸识别 YOLOv8s算法 轻量化 注意力机制

在线阅读 下载PDF 职称材料

基于计算机视觉的牛脸轮廓提取算法及实现 被引量：26

6

作者 蔡骋 宋肖肖 何进荣 《农业工程学报》 EI CAS CSCD 北大核心 2017年第11期171-177,共7页

计算机视觉技术已越来越多地应用于检测牛个体行为以给出养殖管理决策,牛脸轮廓的提取及形状分析能够进一步提高牛身份鉴别,咀嚼分析及健康状况评估的自动化程度。为实现基于计算机视觉的无接触、高精度、适用性强的肉牛养殖场环境下的... 计算机视觉技术已越来越多地应用于检测牛个体行为以给出养殖管理决策,牛脸轮廓的提取及形状分析能够进一步提高牛身份鉴别,咀嚼分析及健康状况评估的自动化程度。为实现基于计算机视觉的无接触、高精度、适用性强的肉牛养殖场环境下的牛脸轮廓提取,提出用自适应级联检测器定位牛脸位置,用统计迭代模型提取牛脸轮廓的方法。该方法采集牛脸正面图像,用级联式检测器定位出牛脸的位置,并分别采用监督式梯度下降算法(supervised descent method,SDM),局部二值算法(local binary features,LBF)和主动外观模型算法(fast active appearance model,FAAM)3种算法被用于提取牛脸轮廓。对20头肉牛共拍摄800幅牛脸正面图,随机选取训练数据720幅和测试数据80幅。结果表明,主动外观模型算法准确率最高,其轮廓提取误差为0.0184像素,适于应用在轮廓提取精度要求较高的场合,而局部二值算法的运行效率最高,在分辨率为744像素(水平)×852像素(垂直)的牛脸图像中轮廓提取时间为0.35 s,更适于应用在实时性要求较高的场合。该方法可实现养殖场中肉牛的无接触精确的面部轮廓提取,具有适用性强、成本低的特点。 展开更多

关键词 计算机视觉 算法 模型 牛脸 轮廓提取 特征点标定 图像特征

在线阅读 下载PDF 职称材料

基于牛脸和躯干综合信息的奶牛个体识别研究 被引量：8

7

作者 赵玲 周桂红 任力生 《河北农业大学学报》 CAS CSCD 北大核心 2024年第2期112-118,共7页

针对基于单一信息对奶牛个体身份识别精度低的问题,本文提出1种基于牛脸和躯干综合信息对奶牛个体身份识别的方法。在Mask R-CNN目标检测模型的基础上进行改进,将注意力机制模块引入到Mask R-CNN的ResNet50特征提取网络的输出阶段,能够... 针对基于单一信息对奶牛个体身份识别精度低的问题,本文提出1种基于牛脸和躯干综合信息对奶牛个体身份识别的方法。在Mask R-CNN目标检测模型的基础上进行改进,将注意力机制模块引入到Mask R-CNN的ResNet50特征提取网络的输出阶段,能够在图像通道和空间上增强奶牛身份信息。针对奶牛不同部位,本文对改进前后的Mask R-CNN模型分别基于牛脸、基于躯干以及基于牛脸和躯干综合信息进行了相关实验。实验结果表明,原始Mask R-CNN模型基于牛脸和躯干综合信息进行奶牛个体识别,比单独基于牛脸或躯干的识别精度提高2.3%~3.7%。改进后的Mask R-CNN模型在自建奶牛图像数据集上的准确率达到了93.63%,mAP值达到92.16%,相较于原始Mask R-CNN,准确率提高了2.92%,mAP值提高了2.63%。本文方法能够实现对养殖场环境下奶牛个体身份的识别,可为奶牛的精准养殖提供技术支持。 展开更多

关键词 奶牛 牛脸和躯干 个体识别 Mask R-CNN 注意力机制

在线阅读 下载PDF 职称材料

基于自适应注意力机制的复杂场景下牛脸检测算法 被引量：8

8

作者 齐咏生 焦杰 +2 位作者 鲍腾飞 王朝霞 杜晓旭 《农业工程学报》 EI CAS CSCD 北大核心 2023年第14期173-183,共11页

牛面部检测与识别是牛场智能化养殖的关键,但由于牧场养殖环境的复杂性,牛脸检测会受到模糊、逆光和遮挡3种常见环境因素的严重干扰。针对此问题,该研究提出一种复杂场景下基于自适应注意力机制的牛脸检测算法,该算法首先针对3种干扰因... 牛面部检测与识别是牛场智能化养殖的关键,但由于牧场养殖环境的复杂性,牛脸检测会受到模糊、逆光和遮挡3种常见环境因素的严重干扰。针对此问题,该研究提出一种复杂场景下基于自适应注意力机制的牛脸检测算法,该算法首先针对3种干扰因素分别设计了评价指标,并将3种不同类型的评价指标通过模糊隶属度函数进行归一化,并确定自适应权重系数,真实反映目标所处场景的复杂性;之后,基于YOLOV7-tiny在主干特征提取网络引入一种注意力机制CDAA(composite dual-branch adaptive attention),设计通道和空间注意力并行结构,并融合自适应权重系数,有效加强相应注意力分支的权重,提高网络在复杂场景下的特征提取能力,解决复杂场景下网络检测精度差的问题;最后,将图像场景评价指标引入损失函数,对大尺度网格损失函数的权重进行自适应调整,使网络在训练过程中更专注于数量较多的小型目标,从而提升网络整体的检测精度。为检测算法的有效性和实时性,在特定数据集上进行消融试验,并与多种经典检测算法进行对比,并移植至Jetson Xavier NX平台测试。测试结果表明,该算法检测精度达到89.58%,相较于原YOLOV7-tiny网络,牛脸检测精度提高了7.34个百分点。检测速度达到62帧/s,在检测速度几乎不损失的条件下,检测效果优于原网络与对比网络。研究结果可为复杂场景下的牛脸高效检测提供参考。 展开更多

关键词 机器视觉 算法 YOLOV7-tiny 复杂场景 自适应注意力机制 牛脸检测

在线阅读 下载PDF 职称材料

基于改进K-SVD算法在牛脸识别上的应用 被引量：5

9

作者 赵建敏 姜世奇 李琦 《传感器与微系统》 CSCD 北大核心 2021年第10期158-160,共3页

为了适应精准畜牧业理念,提出了一种改进的K-SVD算法用于牛的个体身份识别。在K-SVD算法基础上,更改了稀疏编码阶段字典原子的选择方式,使算法更加适用于图像分类问题。构造了包含20头牛的牛脸图像数据集IMCFR20,利用该数据集分析稀疏... 为了适应精准畜牧业理念,提出了一种改进的K-SVD算法用于牛的个体身份识别。在K-SVD算法基础上,更改了稀疏编码阶段字典原子的选择方式,使算法更加适用于图像分类问题。构造了包含20头牛的牛脸图像数据集IMCFR20,利用该数据集分析稀疏度与字典原子数对识别效果的影响。实验结果表明:改进后的算法识别率达到90%以上,识别效果有了较大提升,为利用图像进行牛的个体识别问题提供了可行的方案。 展开更多

关键词 个体识别 牛脸 稀疏表示 K-SVD算法

在线阅读 下载PDF 职称材料

CNN与SVM和ResNet相结合的牛脸识别系统模型研究与实现 被引量：12

10

作者 朱敏玲 赵亮亮 和首杰 《重庆理工大学学报（自然科学）》 CAS 北大核心 2022年第7期155-161,共7页

针对传统的牛个体身份识别需借助外部工具而产生的管理上的安全隐患及对牛身体的刺激和物理伤害问题,提出基于图像方法的牛脸生物特征提取的方法进行身份识别。同时,由于CNN对硬件设施有高要求并且识别精度低、速度慢,以及传统机器学习... 针对传统的牛个体身份识别需借助外部工具而产生的管理上的安全隐患及对牛身体的刺激和物理伤害问题,提出基于图像方法的牛脸生物特征提取的方法进行身份识别。同时,由于CNN对硬件设施有高要求并且识别精度低、速度慢,以及传统机器学习方法对先验知识的依赖性,考虑到牛脸数据采集困难的小样本问题,以及自然野外光照、视角、距离、运动等客观环境因素与牛脸特征复杂性,提出以CNN为主体且引入ResNet和SVM相结合的牛脸识别与检测的算法与模型,其较传统的CNN网络结构具有训练收敛速度快、识别率高及泛化性强等特点。在Andriod平台下运用该轻量型模型设计了安卓手机APP,完成了方便快捷的实时识别目标,并通过了实验验证,实验结果准确率达95.1%以上。 展开更多

关键词 牛脸识别 CNN SVM ResNet 特征提取 手机APP

在线阅读 下载PDF 职称材料

基于改进SSD模型的牛脸检测 被引量：2

11

作者 苟先太 黄巍 刘琪芬 《计算机工程与设计》 北大核心 2020年第3期833-837,共5页

针对牲畜牛健康检测中的牛脸快速检测问题,提出一种基于改进单镜头多盒检测器(single shot multibox detector,SSD)模型的牛脸检测方法。以轻量级网络MobileNet v2作为模型的基础网络,较使用VGG-16的SSD模型,速度有一定提高;使用K-均值... 针对牲畜牛健康检测中的牛脸快速检测问题,提出一种基于改进单镜头多盒检测器(single shot multibox detector,SSD)模型的牛脸检测方法。以轻量级网络MobileNet v2作为模型的基础网络,较使用VGG-16的SSD模型,速度有一定提高;使用K-均值聚类对模型默认框的高宽比进行优化,使模型更加具有针对性。实验结果表明,和其它方法相比,该方法在精确率、召回率、FPS等指标上较优。 展开更多

关键词 牛脸检测 轻量级网络 单镜头多核检测器 聚类 K-均值聚类

在线阅读 下载PDF 职称材料

基于Cascade结构的牛脸姿态估计 被引量：2

12

作者 苟先太 黄巍 刘琪芬 《计算机系统应用》 2019年第7期240-245,共6页

随着牲畜牛逐年增加,单角度特征编码这种身份认证方法在数据容量上已无法满足目前的需求.本文给出一种cascade结构,使用SSD模型对牛脸进行检测,之后使用MobileNet对牛脸姿态角度进行估计.为多角度特征编码打下坚实的特征基础.实验表明,c... 随着牲畜牛逐年增加,单角度特征编码这种身份认证方法在数据容量上已无法满足目前的需求.本文给出一种cascade结构,使用SSD模型对牛脸进行检测,之后使用MobileNet对牛脸姿态角度进行估计.为多角度特征编码打下坚实的特征基础.实验表明,cascade结构在牛脸检测、姿态角度估计任务中均能得到一个较高的准确度. 展开更多

关键词 CASCADE 牛脸检测 姿态角度

在线阅读 下载PDF 职称材料

牛脸识别的应用与研究 被引量：1

13

作者 王涛 郑钦月 赵平 《科学技术创新》 2020年第19期63-64,共2页

奶牛养殖户对每头奶牛的信息的传统记录方式需要耗费大量的人力物力,不足以适应现代发展的需求。本文以卷积神经网络为特征提取牛脸轮廓模型,用牛脸图像训练并测试提高算法的精度和效率,对奶牛个体实现精准识别,建立高效的奶牛信息统计... 奶牛养殖户对每头奶牛的信息的传统记录方式需要耗费大量的人力物力,不足以适应现代发展的需求。本文以卷积神经网络为特征提取牛脸轮廓模型,用牛脸图像训练并测试提高算法的精度和效率,对奶牛个体实现精准识别,建立高效的奶牛信息统计系统。从而实现奶牛养殖环境下面部轮廓自动提取的算法创新、平台实现创新。 展开更多

关键词 牛脸识别 卷积神经网络 研究

在线阅读 下载PDF 职称材料

基于深度网络模型的牛脸检测算法比较 被引量：14

14

作者 姚礼垚 熊浩 +3 位作者 钟依健 刘财兴 刘汉兴 高月芳 《江苏大学学报（自然科学版）》 EI CAS 北大核心 2019年第2期197-202,共6页

针对传统检测方法在牛脸检测应用方面存在的检测设备易损、检测结果不理想等问题,根据大数据、多差异性原则,使用手机和相机在某奶牛养殖场采集奶牛数据,构建了一个超过10 000张不同条件下(如遮挡、模糊、光照变化等)的奶牛数据集.在此... 针对传统检测方法在牛脸检测应用方面存在的检测设备易损、检测结果不理想等问题,根据大数据、多差异性原则,使用手机和相机在某奶牛养殖场采集奶牛数据,构建了一个超过10 000张不同条件下(如遮挡、模糊、光照变化等)的奶牛数据集.在此基础上使用目前有代表性的基于深度网络模型的目标检测方法(如SSD,Faster R-CNN和R-FCN等)对该数据集进行试验对比分析.结果表明:Faster R-CNN模型综合检测精度最高,可达0.990,但其检测速度相对较慢,为11 F·s^(-1);SSD模型的检测速度最快,为47 F·s^(-1),但其检测精度与Faster R-CNN相比略低,约为0.945. 展开更多

关键词 牛脸检测 深度学习 SSD FASTER R-CNN R-FCN

在线阅读 下载PDF 职称材料

一种场景自适应的双分支牛脸高效识别算法 被引量：3

15

作者 焦杰 齐咏生 +2 位作者 刘利强 李永亭 王朝霞 《电子学报》 EI CAS CSCD 北大核心 2024年第9期3251-3261,共11页

随着智慧牧业的高速发展,牛脸识别已成为牛场智能化养殖的关键,但牛场养殖环境复杂且动物的自主能动性差,导致牛脸数据采集与识别过程会受到模糊、遮挡和光照等环境因素的严重干扰.针对此问题,提出一种复杂场景自适应选择双分支牛脸高... 随着智慧牧业的高速发展,牛脸识别已成为牛场智能化养殖的关键,但牛场养殖环境复杂且动物的自主能动性差,导致牛脸数据采集与识别过程会受到模糊、遮挡和光照等环境因素的严重干扰.针对此问题,提出一种复杂场景自适应选择双分支牛脸高效识别算法.该算法首先设计了基于像素融合的数据增强策略,通过Beta分布计算融合系数,将牛的左右脸图像按融合系数进行像素级整合,在丰富样本特征信息同时,增强网络学习模糊和遮挡下的牛脸特征,提升网络对复杂场景的泛化能力;其次,在主干特征提取网络中引入一种新型注意力机制CDAA(Composite Dual-branch Adaptive Attention),可随着场景信息变换,自适应加强通道与空间注意力分支的权重,提高网络在复杂场景下的特征筛选能力;之后,设计FaceNet与U-LBP(Uniform Local Binary Patterns)结合的双分支特征提取结构,并将提取的特征向量实现自适应加权融合,增加网络在过亮或过暗环境下的鲁棒性;最后,在损失函数中加入改进交叉熵损失(Focal Loss),根据场景信息复杂度动态调控权重系数,实现对难易分类样本自主控制.为检测算法的有效性和实时性,在特定数据集上进行消融试验,与多种典型识别算法进行对比.实结果表明,提出的算法能很好满足实时性要求,在开集测试集上准确率达到87.53%,识别速度达到108帧/s,且在复杂场景下,识别效果均优于对比网络. 展开更多

关键词 复杂场景 图像融合 双分支结构 牛脸识别 场景自适应

在线阅读 下载PDF 职称材料

VanillaFaceNet:一种高精度快速推理的牛脸识别方法 被引量：2

16

作者 栾浩天 齐咏生 +2 位作者 刘利强 王朝霞 李永亭 《农业工程学报》 EI CAS CSCD 北大核心 2024年第18期120-131,共12页

快速精准确定牛只身份对于牛只活体贷款,改善牛只骗保等问题具有重要意义。针对不同牛只面部差异小,FaceNet网络层数深,推理速度较慢,模型分类精度不足等问题,该研究提出了基于FaceNet的牛脸识别方法-VanillaFaceNet。该方法首先将Face... 快速精准确定牛只身份对于牛只活体贷款,改善牛只骗保等问题具有重要意义。针对不同牛只面部差异小,FaceNet网络层数深,推理速度较慢,模型分类精度不足等问题,该研究提出了基于FaceNet的牛脸识别方法-VanillaFaceNet。该方法首先将FaceNet的主干特征提取网络替换为极简网络VanillaNet-13并提出动态激活和增强型线性变换的激活函数两种方法提高网络的非线性;然后,提出一种新的DBCA(dual-branch coordinate attention)注意力模块,能够更好地反映不同牛只面部特征之间的差异,从而提高网络的识别精度;最后,针对triplet loss仅能减小牛只类间差异的问题,采用center-triplet loss联合监督来减少牛只类内差异,从而提高了相同牛只身份比对的准确性。基于自建的牛脸数据集对该模型进行训练和测试,试验结果表明,VanillaFaceNet对牛只识别的准确率达到88.21%,每秒传输帧数为26.23帧。与FaceNet、MobileFaceNet、CenterFace、CosFace和ArcFace算法相比,本文算法的识别准确率分别提高了2.99、9.58、6.26、3.85和4.49个百分点,推理速度分别提升了2.67、0.77、0.10、1.28和0.94帧/s。该模型对牛只有较为优秀的识别效果,适于在嵌入式设备上部署,实现了牛只面部识别精度和推理速度之间的平衡。 展开更多

关键词 识别 特征 提取 牛脸 FaceNet 注意力机制

在线阅读 下载PDF 职称材料

基于深度学习的牛脸识别系统设计 被引量：5

17

作者 叶孟珂 李宝山 +1 位作者 杨梅 李琦 《黑龙江畜牧兽医》 CAS 北大核心 2024年第4期43-48,共6页

为了提高畜牧保险理赔行业中牛只身份识别准确率,试验建立了基于计算机视觉提取牛脸特征的牛只身份识别系统,即使用SOLOv2实例分割模型提取牛脸前景图像,结合FaceNet提取牛脸特征;基于Tornado Web和TF Serving框架进行实例分割模型和牛... 为了提高畜牧保险理赔行业中牛只身份识别准确率,试验建立了基于计算机视觉提取牛脸特征的牛只身份识别系统,即使用SOLOv2实例分割模型提取牛脸前景图像,结合FaceNet提取牛脸特征;基于Tornado Web和TF Serving框架进行实例分割模型和牛脸特征提取模型的部署,完成牛脸身份识别系统的搭建,并制作了手机APP,最后对添加SOLOv2牛脸身份识别模型的准确率和验证率进行了验证。结果表明:添加了SOLOv2模型的牛脸身份识别准确率达到了98.063%,验证率达到了92.451%,与未添加SOLOv2模型相比,准确率提高了0.270百分点,验证率提高了6.275百分点。说明添加SOLOv2实例分割模型能提升牛脸身份识别的准确率和验证率。 展开更多

关键词 牛脸识别 牛只身份识别 SOLOv2实例分割模型 深度学习 FaceNet特征提取模型 特征匹配

原文传递

基于去偏置项SoftMax和紧致度量损失函数的牛脸识别方法 被引量：5

18

作者 杨胜楠 赵建敏 +1 位作者 杨梅 赵宇飞 《黑龙江畜牧兽医》 CAS 北大核心 2024年第4期36-42,共7页

为了实现精准畜牧业生产及畜牧业保险理赔中牛只身份的准确识别,试验提出了基于去偏置项SoftMax和紧致度量损失函数的牛脸识别方法,即采用深度卷积神经网络(deep convolutional neural networks,DCNNs)模型提取特征,利用去偏置项SoftMa... 为了实现精准畜牧业生产及畜牧业保险理赔中牛只身份的准确识别,试验提出了基于去偏置项SoftMax和紧致度量损失函数的牛脸识别方法,即采用深度卷积神经网络(deep convolutional neural networks,DCNNs)模型提取特征,利用去偏置项SoftMax损失函数优化特征空间中的特征分布,提高特征线性可分辨性,解决特征归一化后在投影超平面上的重叠问题;采用紧致度量损失函数结合去偏置项SoftMax损失函数联合监督模型训练,使同类特征与类内特征的平均距离最小化,提高特征聚类的紧凑性和可辨识性,同时兼顾了类内样本分布的多样性;最后试验将本算法(去偏置项SoftMax和紧致度量损失函数联合监督算法)与ArcFace损失函数、标准SoftMax损失函数、去偏置项SoftMax损失函数、标准SoftMax损失函数结合紧致度量损失函数进行了性能对分分析。结果表明:本算法的识别准确率在所有模型中最高,为97.61%;且能对高相似度牛脸正确识别。说明基于去偏置项SoftMax和紧致度量损失函数的牛脸识别方法可满足牧场牛只身份识别要求。 展开更多

关键词 深度度量学习 身份识别 牛脸识别 去偏置项SoftMax损失函数 紧致度量损失函数 深度卷积神经网络

原文传递

基于Vision Transformer模型的牛脸识别算法 被引量：6

19

作者 郑鹏 沈雷 +1 位作者 刘浩 牟家乐 《杭州电子科技大学学报（自然科学版）》 2022年第6期40-46,共7页

使用卷积神经网络(Convolutional Neural Networks, CNN)提取牛脸特征时,往往忽略全局上下文信息,只能提取到牛脸图像的局部特征信息。视觉转换器(Vision Transformer, ViT)模型的全局感受野能有效改善CNN局部感受野问题。提出一种基于... 使用卷积神经网络(Convolutional Neural Networks, CNN)提取牛脸特征时,往往忽略全局上下文信息,只能提取到牛脸图像的局部特征信息。视觉转换器(Vision Transformer, ViT)模型的全局感受野能有效改善CNN局部感受野问题。提出一种基于ViT模型的牛脸识别算法。首先,在ViT模型中加入patch-shift网络层,通过获取牛脸图像的全局特征和局部特征,以及局部特征之间的相关性,有效缓解了牛脸图像脏污的影响;然后,在patch-shift网络层之后加入可学习的掩码矩阵,运用掩码矩阵学习图像块的重要性,使模型更加关注牛脸图像块,抑制了背景噪声的干扰。在包含正脸、左侧脸和右侧脸3种正常图像库和特殊图像库中进行仿真实验,和基于CNN的牛脸识别算法相比,提出的算法有效降低了零误识下的拒识率,提高了Top1排序性能。 展开更多

关键词 Vision Transformer 牛脸识别 个体识别 深度学习

在线阅读 下载PDF 职称材料

基于改进YOLO v7-Pose的牛脸关键点检测与姿态识别方法 被引量：3

20

作者 黄小平 侯现坤 +4 位作者 郭阳阳 郑寰宇 豆子豪 刘梦艺 赵晋陵 《农业机械学报》 EI CAS CSCD 北大核心 2024年第11期84-92,102,共10页

奶牛脸部关键点检测在牛场智能化中发挥着重要的作用,它可以帮助实现牛脸识别、牛脸对齐、头部动作检测与行为识别等。针对目前奶牛养殖环境中存在牛脸遮挡、弱光照等问题,提出了一种改进的YOLO v7-Pose网络模型的算法,可用于牛脸关键... 奶牛脸部关键点检测在牛场智能化中发挥着重要的作用,它可以帮助实现牛脸识别、牛脸对齐、头部动作检测与行为识别等。针对目前奶牛养殖环境中存在牛脸遮挡、弱光照等问题,提出了一种改进的YOLO v7-Pose网络模型的算法,可用于牛脸关键点检测和头部姿态识别。首先通过网络相机在牛场获取奶牛脸部图像并构建数据集。其次,在YOLO v7-Pose网络模型中引入SPPFCSPCL结构,以提高奶牛脸部关键点的特征提取能力;将关键点检测的损失函数OKS替换为WingLoss损失函数,增加奶牛脸部关键点的检测精度;最后,使用L1范数对改进的模型剪枝,使改进后的网络模型参数量降低。试验结果表明:改进模型YOLO v7-SCLWL-Pose检测牛脸关键点较原模型AP提升5个百分点,AP0.5提升2.7个百分点,改进后模型内存占用量仅为106.7 MB,减少33.6%。将本文关键点检测用于姿态识别,试验结果对抬头和低头等动作的识别准确率达到95.5%和86.5%。本研究为牧场奶牛行为识别提供了支撑技术。 展开更多

关键词 牛脸检测 关键点检测 YOLO v7-Pose 姿态识别

在线阅读 下载PDF 职称材料