基于Transformer与自适应空间特征融合的群猪目标检测算法研究

摘要：

针对深度学习群猪目标检测算法精确度低和模型占用内存大等问题,提出基于Transformer与自适应空间特征融合的群猪目标检测算法.搭建群猪图像采集设备,以视频帧作为数据源,提取关键帧并剔除模糊图像,采用Labelme标注图像中猪只,建立群猪图像数据集;将Swin Transformer网络作为主干网络,在FPN后引入自适应空间特征融合方法作为特征融合网络;提出RIoU作为预测框回归损失计算方法.结果表明,该算法在精确率、召回率、F1值和平均精确率指标方面分别达到93.6％、97.2％、0.953、96.5％,检测速度为34.9 Hz且模型大小仅为20.6 MB,与YOLOv4相比上述指标分别提高1.5％、1.7％、1.6％、2.4％,模型占用内存量缩小12.5倍,检测速度提高13 Hz.研究有助于智能化猪场建设,为养殖场动物计数和行为识别等方面提供技术支持.

关键词：Swin Transformer、ASFF、交并比、目标检测、群养生猪

所属期刊栏目：54

分类号：TP391.4(计算技术、计算机技术)

资助基金：河北省重点研发计划项目;河北省重点研发计划项目

在线出版日期：2023-02-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：88-96