买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:易采天成(郑州)信息技术有限公司
摘要:本申请提供一种基于RCNN的牛群目标检测方法及设备,本申请通过获取当前牛群图像;构建神经网络目标检测模型,包括特征提取主干网络、特征金字塔以及联级检测器,在所述特征提取主干网络中增加膨胀可变形卷积,并结合特征金字塔对将各层特征信息进行深度融合,得到改进后的神经网络目标检测模型;将获取的当前牛群图像输入神经网络目标检测模型中对待检测目标对象进行检测得到检测结果。即降低遮挡对牛身特征的干扰,增大与牛舍背景信息的对比度,增强遮挡牛群的牛身特征,提高空间分辨率,从而提高牛群检测精确度,保证牛场管理的效率,对牛群数量进行准确盘点,并通过可视化的手段实时监控牛群的数量。
主权项:1.一种基于RCNN的牛群目标检测方法,RCNN为区域卷积神经网络,其特征在于,所述方法包括:获取当前牛群图像;构建神经网络目标检测模型,包括特征提取主干网络、特征金字塔以及级联检测器,在所述特征提取主干网络中增加膨胀可变形卷积,并结合所述特征金字塔对各层特征信息进行深度融合,得到改进后的神经网络目标检测模型,包括:将牛群训练集制成COCO数据集格式,输入至所述特征提取主干网络中,所述特征提取主干网络中的第2、3、4、5卷积层分别包含3个conv2_x,4个conv3_x,23个conv4_x和3个conv5_x,conv2_x中包含2个1×1的卷积层、1个3×3的卷积层、3个ReLU激活函数层和BN层,conv3_x,conv4_x,conv5_x分别包含2个1×1卷积层、2个3×3的E-DCN层、3个ReLU激活函数层和BN层;在第3、4、5卷积层将每层输出的原特征图经过可变形-膨胀卷积层得到conv2_x、conv3_x、conv4_x、conv5_x对应的牛群初始特征集,包括:将膨胀率r=1和r=2的卷积分别加上偏移形成第一可变形卷积核和第二可变形卷积核;所述第一可变形卷积核和所述第二可变形卷积核分别与第3、4、5卷积层每层输出的原特征图经过卷积后并融合,再使用1×1卷积核进行降维操作,得到与所述原特征图相等大小的牛群初始特征图;将conv2_x层输出的特征图和conv3_x、conv4_x、conv5_x输出的所有牛群初始特征图作为牛群初始特征图集,最终的融合后的特征图Q可用公式表示:Q=f1×1Cconcatx1p*GdcnK1+x2p*GdcnK2式中x1p和x2p分别为经过膨胀率r=1和膨胀率r=2的可变形卷积核得到的特征,K1、K2分别为r=1和r=2的3×3的卷积核,Gdcn·表示可变形卷积操作,*表示卷积操作,Cconcat·表示concat拼接操作,f1×1·表示使用1×1卷积核卷积操作,用来改变特征通道数;将获取的所述当前牛群图像输入所述改进后的神经网络目标检测模型中对待检测目标对象进行检测得到检测结果。
全文数据:
权利要求:
百度查询: 易采天成(郑州)信息技术有限公司 基于RCNN的牛群目标检测方法及设备
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。