融合注意力机制的个体猪脸识别

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.

关键词：机器视觉、图像处理、注意力机制、猪脸识别、DenseNet

所属期刊栏目：38

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;农业部重点实验室开放基金;黑龙江省博士后资助项目;东北农业大学东农学者计划项目

在线出版日期：2022-07-14（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：180-188