| 基于深度网络模型的牛脸检测算法比较 |
| |
| 引用本文： | 姚礼垚,熊浩,钟依健,刘财兴,刘汉兴,高月芳.基于深度网络模型的牛脸检测算法比较[J].江苏大学学报(自然科学版),2019,40(2). |
| |
| 作者姓名： | 姚礼垚 熊浩 钟依健 刘财兴 刘汉兴 高月芳 |
| |
| 作者单位： | 华南农业大学 数学与信息学院,广东 广州,510642;华南农业大学 数学与信息学院,广东 广州,510642;华南农业大学 数学与信息学院,广东 广州,510642;华南农业大学 数学与信息学院,广东 广州,510642;华南农业大学 数学与信息学院,广东 广州,510642;华南农业大学 数学与信息学院,广东 广州,510642 |
| |
| 基金项目： | 国家自然科学基金;广东省科技计划 |
| |
| 摘 要： | 针对传统检测方法在牛脸检测应用方面存在的检测设备易损、检测结果不理想等问题,根据大数据、多差异性原则,使用手机和相机在某奶牛养殖场采集奶牛数据,构建了一个超过10 000张不同条件下(如遮挡、模糊、光照变化等)的奶牛数据集.在此基础上使用目前有代表性的基于深度网络模型的目标检测方法(如SSD,Faster R-CNN和R-FCN等)对该数据集进行试验对比分析.结果表明:Faster R-CNN模型综合检测精度最高,可达0.990,但其检测速度相对较慢,为11 F·s~(-1);SSD模型的检测速度最快,为47 F·s~(-1),但其检测精度与Faster R-CNN相比略低,约为0.945.
|
| 关 键 词： | 牛脸检测 深度学习 SSD FasterR-CNN R-FCN |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
