基于MSA-MobileFaceNet模型的牛脸识别方法OA
为了解决牛脸识别中因姿势变化导致识别精度下降的问题,提高牛脸识别的精度和鲁棒性,本研究提出一种基于MSA-MobileFaceNet模型的牛脸识别方法。首先,以2个品种的595头牛只作为研究对象,在复杂环境下采集了12103张不同姿势的牛脸图像作为数据集。其次,为筛选出适合牛脸识别任务的主干特征提取网络,选取了ArcFace损失函数训练的MobileFaceNet主干网络作为基础主干网络。最后,在MobileFaceNet主干网络上引入EMA和MLA两个多尺度注意力机制模块,构建出全新的MSA-MobileFaceNet神经网络。结果表明:MSA-MobileFaceNet模型的识别准确率最高,为97.98%,较MobileFaceNet基线模型的准确率提高1.02百分点,验证率提高6.66百分点。同时,该模型在保持高精度的前提下,具备优异的轻量化特性,其参数量仅为1.12 M,计算量为0.26 G,均低于IResNet系列、MobileNet v1等模型。说明MSA-MobileFaceNet模型能有效提升模型对复杂背景与多姿态牛脸的识别能力,具有实际应用潜力。
韩明硕;李琦;王月明
内蒙古科技大学数智产业学院,内蒙古包头014010内蒙古科技大学自动化与电气工程学院,内蒙古包头014010内蒙古科技大学自动化与电气工程学院,内蒙古包头014010
农业科技
牛脸识别牛只身份识别深度学习注意力机制特征匹配
《黑龙江畜牧兽医》 2026 (9)
P.72-80,9
内蒙古自治区自然科学基金项目“基于多模态生物特征融合的牛只身份识别方法研究”(2024MS06022)。
评论