[1]宣传忠 吕 尧 刘苏慧 崔家赫 张曦文.基于深度学习的羊脸细粒度特征的身份识别[J].数字农业与智能农机,2023,(03):26-30+58.[doi:10.3969/j.issn.2097-065X.2023.03.009]
　[J].Digital agricullture and Intelligent agricutural machinery,2023,(03):26-30+58.[doi:10.3969/j.issn.2097-065X.2023.03.009]
点击复制

基于深度学习的羊脸细粒度特征的身份识别()
分享到：

《数字农业与智能农机》[ISSN:2097-065X/CN:42-1920/S]

卷:
期数:
2023年03期
页码:
26-30+58
栏目:
农业机械化与信息化
出版日期:
2023-03-30

文章信息/Info

作者:
宣传忠  吕 尧  刘苏慧  崔家赫  张曦文
内蒙古农业大学,内蒙古 呼和浩特010018
关键词:
羊面部识别; 细粒度分类; VGG19-ResNet50; 双线性卷积神经网络
DOI:
10.3969/j.issn.2097-065X.2023.03.009
文献标志码:
A
摘要:
由于目前羊面部 图 像 差 距 小,其 细 粒 度 图 像 难 以 识 别。基 于 双 线 性 卷 积 神 经 网 络 (BilinerCNN),提出了一种基于 VGG19-ResNet50非对称的改进 B-CNN 网络模型,对羊面部细粒度图像进行身份识别;将 VGG19和 ResNet50作为不同注意力特征提取器,并将特征提取后的结果做外积融合以形成最终的个体身份特征,最后利用全连接层和softmax层对提取到的特征进行分类。试验结果表明:在对20只羊的1657张不同角度、光照、姿态以及全身图像、面部图像的识别中,基于 VGG19-ResNet50非对称的改进 B-CNN 网络模型准确率达到99.69%。

参考文献/References:

[1] 国家统计局.中国统计年鉴[J].北京:中国统计出版社,2020.
[2] 王立方,陆昌华,谢菊芳,等.家畜和畜产品可追溯系统研究进展[J].农业工程学报,2005(7):168-174.
[3] 邵凯,乌达巴拉,达来,等.可追溯技术在家畜生产中的研究进展及应用[J].畜牧与饲料科学,2014,35(10):73-78.
[4] 张海峰,沈媛萍.RFID 技术在动物识别与跟踪管理中的应用[J].青海畜牧兽医杂志,2012,42(3):36-38.
[5] 方超,赵林度.基于虹膜识别的肉类食品可追溯系统研究[J].中国安全科学学报,2008(7):11-17.
[6] BarryB.Usingmuzzlepatternrecognitionasabiometricapproachforcattleidentification[J].Transactionsof theASABE,2007,50(3):1073-1080.
[7] 姚礼垚,熊浩,钟依健.基于深度网络模型的牛脸检测算法比较[J].江苏大学报(自然科学版),2019,40(2):197-202.
[8] 张宏鸣,周利香,李永恒,等.基于改进 MobileFaceNet的羊脸识别 方 法 研 究 [J].农 业 机 械 学 报,2022(5):267-274.
[9] 谢秋菊,吴梦茹,包军,等.融合注意力机制的个体猪脸识别[J].农业工程学报,2022,38(7):180-188.
[10]WANGY,WANGZ.Asurveyofrecentworkonfinegrainedimageclassificationtechniques[J].JournalofVisualCommunicationandImageRepresentation,2019(59):210-214.
[11]赵辉,曹宇航,岳有军,等.基于改进 DenseNet的田间杂草识别[J].农业工程学报,2021,37(18):136-142.
[12]万鹏,赵竣威,朱明,等.基于改进 ResNet50模型的大宗淡水鱼种 类 识 别 方 法 [J].农 业 工 程 学 报,2021,37(12):159-168.
[13]张善文,许新华,齐国红,等.基于可形变 VGG-16模型的田间作物害虫检测方法[J].农业工程学报,2021,37(18):188-194.
[14]贾伟宽,孟虎,马晓慧,等.基于优化 Transformer网络的绿色目 标 果 实 高 效 检 测 模 型 [J].农 业 工 程 学 报,2021,37(14):163-170.
[15]黄林生,罗耀武,杨小冬,等.基于注意力机制和多尺度残差网络的农作物病害识别[J].农业机械学报,2021,52(10):264-271.
[16]苏宝峰,沈磊,陈山,等.基于注意力机制的葡萄品种多特征分类方法[J].农业机械学报,2021,52(11):226-233+252.
[17]黄嘉宝,朱永华,周霁婷,等.基于卷积神经网络的多肉植物细粒 度 图 像 分 类 [J].上 海 大 学 学 报 (自 然 科 学版),2020,26(2):283-291.
[18]秦兴,宋各方.基于双线性卷积神经网络的猪脸识别算法[J].杭州电子科技大学学报(自然科学版),2019,39(2):12-17.
[19]袁培森,申成吉,徐焕良.基于迁移学习和双线性 CNN的细粒度菌 菇 表 型 识 别 [J].农 业 机 械 学 报,2021,52(7):151-158.
[20]RongWang.Pigfacerecognitionmodelbasedonacascadednetworkapplied[J].EngineeringinAgriculture,2021,37(5):879-890.
[21]DivyanshAgrawal.Ensemblealgorithm usingtransferlearningforsheepbreedclassification[J].Symposium on Applied ComputationalIntelligenceandInformatics,2021,978(1):199-204.
[22]Shuang Song.Using pruning-based YOLOv3 deeplearningalgorithmforaccuratedetectionofsheepface[J].Animals,2022(12):1465-1480.
[23]Mathieu Marsot.Anadaptivepigfacerecognitionapproachusingconvolutionalneuralnetworks[J].Computersand Electronicsin Agriculture,2020(197):168-197.
[24]HeK M,Zhang X Y,RenS Q,etal.Deepresiduallearningforimagerecognition[C]∥Conference onComputer Vision &Pattern Recognition, 2016:770-779.
[25]Simonyan K,Zisserman A.Verydeepconvolutionalnetworksforlarge-scaleimagerecognition[C]∥International Conference on Learning Representations,2015:1-14.
[26]LinT,RoychowdhuryA,Majis.BilinearCNN modelsforfine-grainedvisualrecognition[C]∥InternationalConferenceonComputerVision,2015:1449-1457.

更新日期/Last Update: 2023-04-20