基于YOLOv3算法的农场环境下奶牛目标识别

S8-01; 针对农场环境下使用手工标记与肉眼识别方法识别奶牛时计数效率低、错误率高,而使用无线射频检测技术比较复杂且成本高的问题,使用检测速度较快且性能较好的YOLOv3算法对农场环境下的奶牛进行目标识别.该方法采用了3个不同尺度的特征图来进行对象检测,能够检测到更加细粒度的特征;使用Darknet-53网络加入残差模块,有利于解决深层次网络的梯度问题,从而增加奶牛目标识别模型的识别效果;采用K-means聚类得到先验框的尺寸,预测对象类别时使用logistic的输出进行预测,可以支持多标签对象.从检测结果来看,该方法在农场环境背景下的奶牛目标识别效果较好,检测准确率较高....

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	广东石油化工学院学报 2019, Vol.29 (4), p.31-35
Hauptverfasser:	王毅恒, 许德章
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Zusammenfassung:	S8-01; 针对农场环境下使用手工标记与肉眼识别方法识别奶牛时计数效率低、错误率高,而使用无线射频检测技术比较复杂且成本高的问题,使用检测速度较快且性能较好的YOLOv3算法对农场环境下的奶牛进行目标识别.该方法采用了3个不同尺度的特征图来进行对象检测,能够检测到更加细粒度的特征;使用Darknet-53网络加入残差模块,有利于解决深层次网络的梯度问题,从而增加奶牛目标识别模型的识别效果;采用K-means聚类得到先验框的尺寸,预测对象类别时使用logistic的输出进行预测,可以支持多标签对象.从检测结果来看,该方法在农场环境背景下的奶牛目标识别效果较好,检测准确率较高.
ISSN:	2095-2562