典型文献
融合注意力机制的个体猪脸识别
文献摘要：
随着机器视觉技术的发展,猪脸识别作为猪只个体识别方法之一受到广泛关注.为了探索非接触式的猪只个体精准识别,该研究通过深度学习模型DenseNet融合CBAM(Convolutional Block Attention Module),建立改进的DenseNet-CBAM模型对猪脸进行识别.将DenseNet121模型进行精简,然后将CBAM注意力模块嵌入到精简的DenseNet121分类网络之前,以加强对关键特征的提取,实现猪脸图像的分类.以随机采集的1195张猪脸图像作为数据集对本文模型进行测试.结果表明,DenseNet-CBAM模型对个体猪脸识别的准确率达到99.25％,模型参数量仅为DenseNet121的1/10;与ResNet50、GoogLeNet和MobileNet模型相比,DenseNet-CBAM的识别准确率分别提高了2.18、3.60和23.94个百分点.研究结果可为智能化养殖过程非接触式个体识别提供参考.
文献关键词：
机器视觉;图像处理;注意力机制;猪脸识别;DenseNet
中图分类号：
作者姓名：
谢秋菊;吴梦茹;包军;尹辉;刘洪贵;李欣;郑萍;刘文洋;陈刚
作者机构：
东北农业大学电气与信息学院,哈尔滨 150030;农业农村部生猪养殖设施工程重点实验室,哈尔滨 150030;东北农业大学动物科技学院,哈尔滨 150030;朝阳市建平县畜牧技术推广总站,朝阳 122000;朝阳市凌源市种畜场,朝阳 122000
文献出处：
引用格式：
[1]谢秋菊;吴梦茹;包军;尹辉;刘洪贵;李欣;郑萍;刘文洋;陈刚-.融合注意力机制的个体猪脸识别)[J].农业工程学报,2022(07):180-188
A类：
猪脸识别
B类：
注意力机制,机器视觉技术,猪只,个体识别,非接触式,精准识别,深度学习模型,CBAM,Convolutional,Block,Attention,Module,DenseNet121,精简,注意力模块,分类网络,关键特征,特征的提取,随机采集,模型参数量,ResNet50,GoogLeNet,MobileNet,识别准确率,百分点
AB值：
0.339528
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
