期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
融合重参数化和注意力机制的猪脸关键点检测方法 被引量：13
1
作者 黄志杰 徐爱俊 +3 位作者 周素茵 叶俊华 翁晓星 项云 《农业工程学报》 EI CAS CSCD 北大核心 2023年第12期141-149,共9页
面部对齐是猪脸识别中至关重要的步骤,而实现面部对齐的必要前提是对面部关键点的精准检测。生猪易动且面部姿态多变,导致猪脸关键点提取不准确,且目前没有准确快捷的猪脸关键点检测方法。针对上述问题,该研究提出了生猪面部关键点精准... 面部对齐是猪脸识别中至关重要的步骤,而实现面部对齐的必要前提是对面部关键点的精准检测。生猪易动且面部姿态多变,导致猪脸关键点提取不准确,且目前没有准确快捷的猪脸关键点检测方法。针对上述问题,该研究提出了生猪面部关键点精准检测模型YOLO-MOB-DFC,将人脸关键点检测模型YOLOv5Face进行改进并用于猪脸关键点检测。首先,使用重参数化的MobileOne作为骨干网络降低了模型参数量;然后,融合解耦全连接注意力模块捕捉远距离空间位置像素之间的依赖性,使模型能够更多地关注猪面部区域,提升模型的检测性能;最后,采用轻量级上采样算子CARAFE充分感知邻域内聚合的上下文信息,使关键点提取更加准确。结合自建的猪脸数据集进行模型测试,结果表明,YOLO-MOB-DFC的猪脸检测平均精度达到99.0%,检测速度为153帧/s,关键点的标准化平均误差为2.344%。相比RetinaFace模型,平均精度提升了5.43%,模型参数量降低了78.59%,帧率提升了91.25%,标准化平均误差降低了2.774%;相较于YOLOv5s-Face模型,平均精度提高了2.48%,模型参数量降低了18.29%,标准化平均误差降低了0.567%。该文提出的YOLO-MOB-DFC模型参数量较少,连续帧间的标准化平均误差波动更加稳定,削弱了猪脸姿态多变对关键点检测准确性的影响,同时具有较高的检测精度和检测效率,能够满足猪脸数据准确、快速采集的需求,为高质量猪脸开集识别数据集的构建以及非侵入式生猪身份智能识别奠定基础。 展开更多
关键词 深度学习 猪脸关键点检测 重参数化 MobileOne yolov5face 注意力机制
在线阅读 下载PDF
校园内规范佩戴口罩的人脸识别系统研究
2
作者 徐彻 马秋宇 +1 位作者 孟科 曾海平 《科技视界》 2022年第30期23-25,共3页
如今新冠病毒变异导致传染力的增强,防控疫情最有效的办法就是规范佩戴口罩。高校内的学生密度大,在频繁出入校园要求配戴口罩。师生出入校园都是通过人脸识别闸机,所以为了方便检查是否规范戴口罩,本文以YOLOv5Face人脸检测器搭建一个... 如今新冠病毒变异导致传染力的增强,防控疫情最有效的办法就是规范佩戴口罩。高校内的学生密度大,在频繁出入校园要求配戴口罩。师生出入校园都是通过人脸识别闸机,所以为了方便检查是否规范戴口罩,本文以YOLOv5Face人脸检测器搭建一个能够识别师生是否规范佩戴口罩的检测系统。通过对数据集的训练,得到训练后的模型对现场进行实时检测,发现检测准确性高达0.957。 展开更多
关键词 人脸检测 yolov5face 口罩检测 校园
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部