基于循环残差注意力的群养生猪实例分割

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据
维普

中文摘要：[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.

外文标题：Instance segmentation of group-housed pigs based on recurrent residual attention

作者：

刘坤、杨怀卿、杨华、胡志伟、孟珂

展开 >

作者单位：

山西农业大学信息科学与工程学院,山西太谷 030801

吕梁学院城乡规划系,山西吕梁 033001

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

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

项目编号：

3167157120190272020BQ14

出版年：

2020

DOI：

10.7671/j.issn.1001-411X.202006013

华南农业大学学报

华南农业大学

华南农业大学学报

CSTPCDCSCD北大核心

影响因子：0.837

ISSN：1001-411X

年,卷(期)：2020.41(6)

被引量8
参考文献量13