| 基于全卷积网络的生猪轮廓提取 |
| |
| 引用本文： | 胡志伟,杨华,娄甜田,胡刚,谢倩倩,黄佳佳.基于全卷积网络的生猪轮廓提取[J].华南农业大学学报,2018,39(6):111-119. |
| |
| 作者姓名： | 胡志伟 杨华 娄甜田 胡刚 谢倩倩 黄佳佳 |
| |
| 作者单位： | 山西农业大学信息科学与工程学院;山西农业大学经济管理学院;武汉大学计算机学院;南京审计大学政府审计学院 |
| |
| 基金项目： | 国家自然科学基金（31671571） |
| |
| 摘 要： | 【目的】实现猪舍场景下非接触、低成本的生猪轮廓高效提取。【方法】以真实养殖环境下的生猪个体为研究对象,提出一种基于VGG16与UNET相结合的全卷积神经网络模型(VGG-UNET模型)。该模型采用批处理方法,迁移学习VGG16模型参数,通过在模型中构建复制通道深度融合图像深层抽象特征与浅层特征,实现对图像语义级别分割。在30头长白生猪的1 815张数据集上进行模型验证,通过设置不同批大小对比试验,并选取其中具有最佳效果的3组探讨批大小与评价指标值变化趋势间的关系。【结果】测试集上的对比试验结果表明,VGGUNET模型在像素精度与均交并比方面分别达到94.32%和86.60%,比单独采用UNET模型分别高出0.89%和1.67%。不同指标值变化情况与批大小间的关系不尽相同。在本文试验环境下,批大小对模型收敛速度的影响不明显。不同批大小条件下PA及MIoU指标值变化综合分析得出,VGG-UNET模型具有较强稳定性和较高鲁棒性;批大小为8的情况下VGG-UNET模型效果最佳。【结论】本文提出的生猪轮廓提取方法 (VGG-UNET模型)是有效的,能实现精确、稳定的生猪轮廓提取,且分割结果较为完整,同时模型具有较高鲁棒性,可为后续生猪个体识别研究提供参考。
|
| 关 键 词： | 全卷积网络 轮廓提取 深度学习 计算机视觉 图像分割 |
| 收稿时间： | 2018/4/3 0:00:00 |
Extraction of pig contour based on fully convolutional networks |
| |
| HU Zhiwei,YANG Hu,LOU Tiantian,HU Gang,XIE Qianqian and HUANG Jiajia.Extraction of pig contour based on fully convolutional networks[J].Journal of South China Agricultural University,2018,39(6):111-119. |
| |
| Authors: | HU Zhiwei YANG Hu LOU Tiantian HU Gang XIE Qianqian and HUANG Jiajia |
| |
| Institution: | College of Information Science and Engineering, Shanxi Agricultural University, Taigu 030801, China,College of Information Science and Engineering, Shanxi Agricultural University, Taigu 030801, China,College of Economics and Management, Shanxi Agricultural University, Taigu 030801, China,School of Computer Science, Wuhan University, Wuhan 430072, China,School of Computer Science, Wuhan University, Wuhan 430072, China and School of Government Audit, Nanjing Audit University, Nanjing 211815, China |
| |
| Abstract: | |
| |
| Keywords: | fully convolutional networks contour extraction deep learning computer vision image segmentation |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《华南农业大学学报》浏览原始摘要信息 |
| 点击此处可从《华南农业大学学报》下载免费的PDF全文 |
|
