典型文献
基于多任务学习的猪只体重和体况评分预测
文献摘要：
基于目标检测网络技术(Mask R-CNN)提取特征分割猪只图像,提出了用多任务学习回归网络预测猪只体重和体况评分的方法.在Mask R-CNN分割网络基础上,结合ResNet101-FPN特征提取网络,对站立和侧卧趴下姿态的猪只图像识别检测和分割.设计了两种硬共享的多任务学习网络,研究了任务关联性对卷积神经网络的影响,并针对不同学习任务设计了一种动态权重调节方法,平衡了不同任务的网络训练,提高了预测的准确性.验证了多任务学习下,猪只体重预测和体况评分预测共用一个模型的有效性,结果表明,加入动态权重调节后体重预测提高了5％准确率,体况评分预测提高了3％准确率.
文献关键词：
多任务学习;体重预测;体况评分预测;目标检测网络技术;权重调整
中图分类号：
作者姓名：
孔商羽;陈春雨
作者机构：
哈尔滨工程大学 信息与通信工程学院,哈尔滨 150000
文献出处：
引用格式：
[1]孔商羽;陈春雨-.基于多任务学习的猪只体重和体况评分预测)[J].黑龙江大学工程学报,2022(02):70-77
A类：
体况评分预测,目标检测网络技术
B类：
多任务学习,猪只,Mask,提取特征,特征分割,分割网络,网络基础,ResNet101,FPN,特征提取网络,站立,侧卧,趴下,图像识别,识别检测,学习网络,学习任务设计,动态权重,调节方法,网络训练,体重预测,共用,节后,后体,权重调整
AB值：
0.253955
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。
