基于改进SSD算法对奶牛的个体识别

• 作者: 邢永鑫 孙游东 王天一
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 深度学习 目标检测 反残差网络 深度可分离卷积 特征增强模块
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 模式识别与人工智能|Pattern Recognition and Artificial Intelligence
• 页码范围: 208-214
• 页数: 7页
• 分类号: TP389
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2009-0033

摘要

为了实现养殖场环境下无接触、高精度的奶牛个体有效识别,针对SSD(single shot multibox detector)算法识别准确率不高的问题,提出一种基于浅层特征模块的改进SSD(shallow feature module SSD,SFM-SSD)算法.将原始SSD算法的主干网络由VGG16替换为MobileNetV2,以降低网络的运算量,改善检测的实时性;针对SSD网络结构的浅层特征图设计浅层特征模块,扩大浅层特征图的感受视野,提高浅层特征图对目标物体的特征提取能力;利用K均值聚类算法重构区域候选框,提高算法的检测精度.实验结果表明:在奶牛个体识别任务中,SFM-SSD算法的平均准确率比原始的SSD算法提升3.13个百分点.同时检测的实时性也得到改善.