基于E-DCN-Cascade RCNN的牛群目标检测算法

摘要：

提出一种基于可变形膨胀卷积级联网络的牛群目标检测算法.首先,采用可变形膨胀卷积网络(Expand-Deformable Convolutional Networks,E-DCN)提取牛身纹理特征,并使卷积区域始终覆盖在牛身周围,提高了牛身与牛舍背景的区分度;然后,结合E-DCN和特征金字塔网络(Feature Pyramid Network,FPN),对各层特征信息进行深度融合,增强了遮挡牛身的纹路特征,得到各层牛身特征图,解决了因牛身相互遮挡导致的漏检问题.实验结果表明,交并比(Intersection Over Union,IOU)阈值为0.75时,提出算法的平均精确度达到91.6％,比Cascade RCNN算法提高了4.2％.

关键词：目标检测、Cascade RCNN、可变形膨胀卷积网络、特征金字塔网络

所属期刊栏目：42

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2022-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：57-63