基于改进Mask R-CNN的奶牛个体识别方法研究

摘要：

[目的]针对传统奶牛养殖中采用人工识别奶牛个体的方法效率低且主观性强的问题,提出一种基于改进Mask R-CNN的奶牛个体识别方法.[方法]该方法对Mask R-CNN中的特征提取网络结构进行优化,采用嵌入SE block的ResNet-50网络作为Backbone,通过加权策略对图像通道进行筛选以提高特征利用率;针对实例分割时目标边缘定位不准确的问题,引入IoU boundary loss构建新的Mask损失函数,以提高边界检测的精度;对3000张奶牛图像进行训练、验证和测试.[结果]改进Mask R-CNN模型的精度均值(AP)达100％,IoUMask达91.34％;与原始Mask R-CNN模型相比,AP提高了3.28％,IoUMask提高了5.92％.[结论]本文所提方法具备良好的目标检测能力,可为复杂农场环境下的奶牛个体精准识别提供参考.

关键词：Mask R-CNN、SENet、IoU boundary loss、图像识别、奶牛识别

所属期刊栏目：41

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金U19A2061

在线出版日期：2020-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：161-168