融合2D-3D卷积特征识别哺乳母猪姿态转换

摘要：

母猪姿态转换影响仔猪存活率,且动作幅度与持续时间存在差异,准确识别难度大.该研究提出一种融合2D-3D卷积特征的卷积网络(2D+3D-CNet,2D+3D Convolutional Network)识别深度图像母猪姿态转换.以视频段为输入,引入注意力机制SE模块和3D空洞卷积,以提升3D卷积网络姿态转换的时空特征提取能力,用2D卷积提取母猪的空间特征;经特征融合后,动作识别分支输出母猪转换概率,姿态分类分支输出4类姿态概率,结合这两个输出结果识别8类姿态转换,减少了人工标注数据集的工作量;最后设计动作分数,优化母猪姿态转换的时间定位.在测试集上,2D+3D-CNet姿态转换识别精度为97.95％、召回率为91.67％、测试速度为14.39帧/s,精度、召回率和时间定位精度均高于YOWO、FRCNN-HMM和MOC-D方法.该研究结果实现了母猪姿态转换高精度识别.

关键词：神经网络:卷积;时空特征融合;动作识别;姿态转换;时间定位

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

资助基金：广州市科技计划项目;广东省普通高校重点领域专项;广东省科技计划项目

在线出版日期：2021-08-09（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：230-237