基于循环残差注意力的群养生猪实例分割

摘要：

[目的]在群养环境下,实现生猪粘连、杂物遮挡等不同条件下生猪个体的高精度分割.[方法]对真实养殖场景下的8栏日龄20～105 d共45头群养生猪进行研究,以移动相机拍摄图像为数据源,并执行改变亮度、加入高斯噪声等数据增强操作获取标注图片3834张.探究基于2个骨干网络ResNet50、ResNet101与2个任务网络Mask R-CNN、Cascade mask R-CNN交叉结合的多种模型,并将循环残差注意力(RRA)思想引入2个任务网络模型中,在不显著增加计算量的前提下提升模型特征提取能力、提高分割精度.[结果]选用Mask R-CNN-ResNet50比Cascade mask R-CNN-ResNet50在AP0.5、AP0.75、AP0.5-0.95和AP0.5-0.95-large指标上分别提升4.3％、3.5％、2.2％和2.2％;加入不同数量的RRA模块以探究其对各个任务模型预测性能影响,试验表明加入2个RRA模块后对各个任务模型的提升效果最为明显.[结论]加入2个RRA模块的Mask R-CNN-ResNet50模型可以更精确、有效地对不同场景群养生猪进行分割,为后续生猪身份识别与行为分析提供模型支撑.

关键词：循环残差注意力、实例分割、图像处理、Mask R-CNN、Cascade mask R-CNN

所属期刊栏目：41

分类号：S828(家畜)

资助基金：国家自然科学基金;山西农业大学青年科技创新基金;山西农业大学科技创新基金

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10页

页码：169-178