期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Haar特征的Adaboost算法的猪脸检测
被引量：
2
1
作者
李景
吴玉秀
张捍东
《常州工学院学报》
2023年第3期14-19,共6页
为了能够更好地帮助猪场养殖户对猪场进行日常信息管理和全流程追溯,利用基于Haar特征的Adaboost算法对猪脸进行检测。检测方法如下:首先对采集的猪脸图像进行灰度处理,去除噪声;其次利用Adaboost算法搭建模型,训练出可以区分猪脸的弱...
为了能够更好地帮助猪场养殖户对猪场进行日常信息管理和全流程追溯,利用基于Haar特征的Adaboost算法对猪脸进行检测。检测方法如下:首先对采集的猪脸图像进行灰度处理,去除噪声;其次利用Adaboost算法搭建模型,训练出可以区分猪脸的弱分类器,这些弱分类器通过优化后再级联到一起构成强分类器;再次采用Haar特征来计算样本中对应的特征值信息;最后对图像进行多次缩放保证进行猪脸检测时能够捕捉到足够的信息。实验结果表明,与传统的主成分分析法相比,基于Haar特征的Adaboost算法生成的猪脸分类器能够更好地进行猪脸检测,在运行速度和检测准确率上都有较大提升。
展开更多
关键词
猪脸检测
ADABOOST
HAAR特征
分类器
级联
下载PDF
职称材料
融合视觉上下文与跨通道信息的生猪脸部轻量化检测模型
被引量：
1
2
作者
戴百生
李润泽
+2 位作者
张逸轩
刘洪贵
刘润泽
《智能计算机与应用》
2022年第1期84-88,94,共6页
生猪脸部的检测,是实现生猪个体身份、情绪状态和行为模式智能化自动识别与分析的关键环节。针对生猪在真实养殖环境中脸部区域通常存在遮挡、视角多变以及模型部署端资源有限等问题,提出了一种融合视觉上下文与跨通道信息的生猪脸部轻...
生猪脸部的检测,是实现生猪个体身份、情绪状态和行为模式智能化自动识别与分析的关键环节。针对生猪在真实养殖环境中脸部区域通常存在遮挡、视角多变以及模型部署端资源有限等问题,提出了一种融合视觉上下文与跨通道信息的生猪脸部轻量化检测模型。本文采用ShuffleNet v2作为检测模型的特征提取模块;设计Nonlocal-PAN特征融合模块,融合不同尺度特征图中的视觉上下文信息和跨通道信息;利用NanoDet检测头模块来完成对生猪脸部目标的检测。实验结果表明,该模型在IoU为0.50、0.95、0.50:0.95水平下,分别获得了96.98%、81.16%和67.44%的平均精度,且模型大小保持在8.2 MB的轻量化水平,具有良好的边缘端移植性和较高精度,为生猪养殖智能化监测与分析提供了新技术。
展开更多
关键词
生猪脸部检测
ShuffleNet
视觉上下文
跨通道
智慧畜牧
下载PDF
职称材料
融合重参数化和注意力机制的猪脸关键点检测方法
被引量：
4
3
作者
黄志杰
徐爱俊
+3 位作者
周素茵
叶俊华
翁晓星
项云
《农业工程学报》
EI
CAS
CSCD
北大核心
2023年第12期141-149,共9页
面部对齐是猪脸识别中至关重要的步骤,而实现面部对齐的必要前提是对面部关键点的精准检测。生猪易动且面部姿态多变,导致猪脸关键点提取不准确,且目前没有准确快捷的猪脸关键点检测方法。针对上述问题,该研究提出了生猪面部关键点精准...
面部对齐是猪脸识别中至关重要的步骤,而实现面部对齐的必要前提是对面部关键点的精准检测。生猪易动且面部姿态多变,导致猪脸关键点提取不准确,且目前没有准确快捷的猪脸关键点检测方法。针对上述问题,该研究提出了生猪面部关键点精准检测模型YOLO-MOB-DFC,将人脸关键点检测模型YOLOv5Face进行改进并用于猪脸关键点检测。首先,使用重参数化的MobileOne作为骨干网络降低了模型参数量;然后,融合解耦全连接注意力模块捕捉远距离空间位置像素之间的依赖性,使模型能够更多地关注猪面部区域,提升模型的检测性能;最后,采用轻量级上采样算子CARAFE充分感知邻域内聚合的上下文信息,使关键点提取更加准确。结合自建的猪脸数据集进行模型测试,结果表明,YOLO-MOB-DFC的猪脸检测平均精度达到99.0%,检测速度为153帧/s,关键点的标准化平均误差为2.344%。相比RetinaFace模型,平均精度提升了5.43%,模型参数量降低了78.59%,帧率提升了91.25%,标准化平均误差降低了2.774%;相较于YOLOv5s-Face模型,平均精度提高了2.48%,模型参数量降低了18.29%,标准化平均误差降低了0.567%。该文提出的YOLO-MOB-DFC模型参数量较少,连续帧间的标准化平均误差波动更加稳定,削弱了猪脸姿态多变对关键点检测准确性的影响,同时具有较高的检测精度和检测效率,能够满足猪脸数据准确、快速采集的需求,为高质量猪脸开集识别数据集的构建以及非侵入式生猪身份智能识别奠定基础。
展开更多
关键词
深度学习
猪脸关键点检测
重参数化
MobileOne
YOLOv5Face
注意力机制
下载PDF
职称材料
题名
基于Haar特征的Adaboost算法的猪脸检测
被引量：
2
1
作者
李景
吴玉秀
张捍东
机构
安徽工业大学电气与信息工程学院
出处
《常州工学院学报》
2023年第3期14-19,共6页
文摘
为了能够更好地帮助猪场养殖户对猪场进行日常信息管理和全流程追溯,利用基于Haar特征的Adaboost算法对猪脸进行检测。检测方法如下:首先对采集的猪脸图像进行灰度处理,去除噪声;其次利用Adaboost算法搭建模型,训练出可以区分猪脸的弱分类器,这些弱分类器通过优化后再级联到一起构成强分类器;再次采用Haar特征来计算样本中对应的特征值信息;最后对图像进行多次缩放保证进行猪脸检测时能够捕捉到足够的信息。实验结果表明,与传统的主成分分析法相比,基于Haar特征的Adaboost算法生成的猪脸分类器能够更好地进行猪脸检测,在运行速度和检测准确率上都有较大提升。
关键词
猪脸检测
ADABOOST
HAAR特征
分类器
级联
Keywords
pig face detection
Adaboost
Haar feature
classifier
cascade
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
融合视觉上下文与跨通道信息的生猪脸部轻量化检测模型
被引量：
1
2
作者
戴百生
李润泽
张逸轩
刘洪贵
刘润泽
机构
东北农业大学电气与信息学院
农业农村部生猪养殖设施工程重点实验室
东北农业大学动物科学技术学院
出处
《智能计算机与应用》
2022年第1期84-88,94,共6页
基金
黑龙江省普通本科高等学校青年创新人才培养计划(UNPYSCT-2018142)
文摘
生猪脸部的检测,是实现生猪个体身份、情绪状态和行为模式智能化自动识别与分析的关键环节。针对生猪在真实养殖环境中脸部区域通常存在遮挡、视角多变以及模型部署端资源有限等问题,提出了一种融合视觉上下文与跨通道信息的生猪脸部轻量化检测模型。本文采用ShuffleNet v2作为检测模型的特征提取模块;设计Nonlocal-PAN特征融合模块,融合不同尺度特征图中的视觉上下文信息和跨通道信息;利用NanoDet检测头模块来完成对生猪脸部目标的检测。实验结果表明,该模型在IoU为0.50、0.95、0.50:0.95水平下,分别获得了96.98%、81.16%和67.44%的平均精度,且模型大小保持在8.2 MB的轻量化水平,具有良好的边缘端移植性和较高精度,为生猪养殖智能化监测与分析提供了新技术。
关键词
生猪脸部检测
ShuffleNet
视觉上下文
跨通道
智慧畜牧
Keywords
Pig face detection
ShuffleNet
Vision context
Cross-channel
Intelligent livestock framing
分类号
S828 [农业科学—畜牧学]
TP391.41 [农业科学—畜牧兽医]
下载PDF
职称材料
题名
融合重参数化和注意力机制的猪脸关键点检测方法
被引量：
4
3
作者
黄志杰
徐爱俊
周素茵
叶俊华
翁晓星
项云
机构
浙江农林大学数学与计算机科学学院
浙江农林大学环境与资源学院
浙江省农业机械研究院
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2023年第12期141-149,共9页
基金
浙江省“领雁”研发攻关计划项目(2022C02050)
浙江省“三农九方”科技协作计划项目(2022SNJF057)
金华市科技计划项目(2021-2-025)。
文摘
面部对齐是猪脸识别中至关重要的步骤,而实现面部对齐的必要前提是对面部关键点的精准检测。生猪易动且面部姿态多变,导致猪脸关键点提取不准确,且目前没有准确快捷的猪脸关键点检测方法。针对上述问题,该研究提出了生猪面部关键点精准检测模型YOLO-MOB-DFC,将人脸关键点检测模型YOLOv5Face进行改进并用于猪脸关键点检测。首先,使用重参数化的MobileOne作为骨干网络降低了模型参数量;然后,融合解耦全连接注意力模块捕捉远距离空间位置像素之间的依赖性,使模型能够更多地关注猪面部区域,提升模型的检测性能;最后,采用轻量级上采样算子CARAFE充分感知邻域内聚合的上下文信息,使关键点提取更加准确。结合自建的猪脸数据集进行模型测试,结果表明,YOLO-MOB-DFC的猪脸检测平均精度达到99.0%,检测速度为153帧/s,关键点的标准化平均误差为2.344%。相比RetinaFace模型,平均精度提升了5.43%,模型参数量降低了78.59%,帧率提升了91.25%,标准化平均误差降低了2.774%;相较于YOLOv5s-Face模型,平均精度提高了2.48%,模型参数量降低了18.29%,标准化平均误差降低了0.567%。该文提出的YOLO-MOB-DFC模型参数量较少,连续帧间的标准化平均误差波动更加稳定,削弱了猪脸姿态多变对关键点检测准确性的影响,同时具有较高的检测精度和检测效率,能够满足猪脸数据准确、快速采集的需求,为高质量猪脸开集识别数据集的构建以及非侵入式生猪身份智能识别奠定基础。
关键词
深度学习
猪脸关键点检测
重参数化
MobileOne
YOLOv5Face
注意力机制
Keywords
deep learning
pig face key point detection
reparameterization
MobileOne
YOLOv5Face
attention mechanism
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
S828 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Haar特征的Adaboost算法的猪脸检测
李景
吴玉秀
张捍东
《常州工学院学报》
2023
2
下载PDF
职称材料
2
融合视觉上下文与跨通道信息的生猪脸部轻量化检测模型
戴百生
李润泽
张逸轩
刘洪贵
刘润泽
《智能计算机与应用》
2022
1
下载PDF
职称材料
3
融合重参数化和注意力机制的猪脸关键点检测方法
黄志杰
徐爱俊
周素茵
叶俊华
翁晓星
项云
《农业工程学报》
EI
CAS
CSCD
北大核心
2023
4
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
