典型文献
基于自注意力机制与无锚点的仔猪姿态识别
文献摘要：
在猪场养殖过程中,仔猪姿态识别对其健康状况和环境热舒适度监测有重要意义.仔猪个体较小,喜欢聚集、扎堆,且姿态随意性较大,给姿态识别带来困难.为此,该研究结合Transformer网络与无锚点目标检测头,提出了一种新的仔猪姿态识别模型TransFree(Transformer+Anchor-Free).该模型使用Swin Transformer作为基础网络,提取仔猪图像的局部和全局特征,然后经过一个特征增强模块(Feature Enhancement Module,FEM)进行多尺度特征融合并得到高分辨率的特征图,最后将融合后的特征图输入Anchor-Free检测头进行仔猪的定位和姿态识别.以广东佛山市某商业猪场拍摄的视频作为数据源,从12个猪栏的拍摄视频中选取9栏作为训练集,3栏作为测试集,训练集中仔猪的俯卧、侧卧和站立3类姿态总计19929个样本,测试集中3类姿态总计5150个样本.在测试集上,TransFree模型的仔猪姿态识别精度达到95.68％,召回率达到91.18％,F1-score达到93.38％;相较于CenterNet、Faster R-CNN和YOLOX-L目标检测网络,F1-score分别提高了2.32、4.07和2.26个百分点.该文提出的TransFree模型实现了仔猪姿态的高精度识别,为仔猪行为识别提供了技术参考.
文献关键词：
图像识别;模型;仔猪;姿态识别;Swin Transformer;无锚点目标检测
中图分类号：
作者姓名：
许成果;薛月菊;郑婵;侯文豪;郭景峰;王峡锐
作者机构：
华南农业大学电子工程学院(人工智能学院),广州 510642;华南农业大学数学与信息学院,广州 510642
文献出处：
引用格式：
[1]许成果;薛月菊;郑婵;侯文豪;郭景峰;王峡锐-.基于自注意力机制与无锚点的仔猪姿态识别)[J].农业工程学报,2022(14):166-173
A类：
无锚点目标检测,TransFree,Transformer+Anchor
B类：
自注意力机制,仔猪,姿态识别,猪场养殖,热舒适度,欢聚,扎堆,随意性,检测头,识别模型,模型使用,Swin,全局特征,特征增强模块,Feature,Enhancement,Module,FEM,多尺度特征融合,特征图,佛山市,数据源,猪栏,训练集,测试集,俯卧,侧卧,站立,总计,识别精度,召回率,score,CenterNet,Faster,YOLOX,目标检测网络,百分点,模型实现,高精度识别,行为识别,图像识别
AB值：
0.303422
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。
