基于改进SSD算法对奶牛的个体识别

摘要：

为了实现养殖场环境下无接触、高精度的奶牛个体有效识别,针对SSD(single shot multibox detector)算法识别准确率不高的问题,提出一种基于浅层特征模块的改进SSD(shallow feature module SSD,SFM-SSD)算法.将原始SSD算法的主干网络由VGG16替换为MobileNetV2,以降低网络的运算量,改善检测的实时性;针对SSD网络结构的浅层特征图设计浅层特征模块,扩大浅层特征图的感受视野,提高浅层特征图对目标物体的特征提取能力;利用K均值聚类算法重构区域候选框,提高算法的检测精度.实验结果表明:在奶牛个体识别任务中,SFM-SSD算法的平均准确率比原始的SSD算法提升3.13个百分点.同时检测的实时性也得到改善.

关键词：深度学习;目标检测;反残差网络;深度可分离卷积;特征增强模块

所属期刊栏目：58

分类号：TP389(计算技术、计算机技术)

资助基金：贵州省科技支撑计划SY20172881

在线出版日期：2022-02-16（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：208-214