申请/专利权人：华中农业大学

申请日：2023-12-20

公开（公告）日：2024-03-19

公开（公告）号：CN117727070A

主分类号：G06V40/10

分类号：G06V40/10;G06V10/82;G06V10/44;G06V20/70;G06N3/0464;G06N3/096

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明属于计算机视觉技术领域，尤其涉及一种基于迁移学习的复杂环境下猪脸识别方法及系统，基于卷积神经网络和迁移学习。通过创建包含不同日龄阶段、不同光照条件和视角下的猪脸图像数据集，结合复杂数据预处理和增强技术，实现对猪脸特征的高效识别。本发明采用多种深度学习架构，如ConvNext、ResNet、GoogLeNet、VGG和MobileNet并通过迁移学习策略，提高模型在复杂环境下的泛化能力和识别准确率。本发明代表了养猪业自动化管理的一次重大进步，通过采用最新的计算机视觉和机器学习技术，本发明不仅提高了猪脸识别的准确性和效率，还显著提升了模型在不同环境条件下的稳定性和泛化能力。

主权项：1.一种基于迁移学习的复杂环境下猪脸识别方法，其特征在于，包括：S1，大型数据集的创建和应用：采集猪的面部图像的大型数据集，图像采集涵盖了不同的照明条件和多角度拍摄；S2，高级数据预处理技术：利用OpenCV工具对收集的图像进行预处理，包括调整大小、形状和方向；S3，数据增强和泛化能力提升：通过随机擦除和其他数据增强技术增加数据集的多样性，提高模型的泛化能力，测试和验证不同的数据增强方法对模型准确性的影响；S4，深度学习模型的选择和优化：选择和调整五种不同的CNN架构，包括ConvNext、ResNet、GoogLeNet、VGG和MobileNet，对这些模型进行微调；S5，度量深度学习和特征提取：实现基于三元组损失函数的度量深度学习方法，提高模型对未知样本的识别准确率，确保准确和高效的猪脸识别；S6，模型可视化和解释性：应用Grad-CAM算法进行模型可视化，以揭示模型的决策过程，通过可视化分析，识别模型依赖的关键面部特征。

全文数据：

权利要求：

百度查询： 华中农业大学 一种基于迁移学习的复杂环境下猪脸识别方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD