基于改进SSD算法对奶牛的个体识别

作者：邢永鑫; 孙游东; 王天一^*

来源：计算机工程与应用, 2022, 58(02): 208-214.

• 深度学习
• 目标检测
• 反残差网络
• 深度可分离卷积
• 特征增强模块

为了实现养殖场环境下无接触、高精度的奶牛个体有效识别,针对SSD(single shot multibox detector)算法识别准确率不高的问题,提出一种基于浅层特征模块的改进SSD(shallow feature module SSD,SFM-SSD)算法。将原始SSD算法的主干网络由VGG16替换为MobileNetV2,以降低网络的运算量,改善检测的实时性;针对SSD网络结构的浅层特征图设计浅层特征模块,扩大浅层特征图的感受视野,提高浅层特征图对目标物体的特征提取能力;利用K均值聚类算法重构区域候选框,提高算法的检测精度。实验结果表明:在奶牛个体识别任务中,SFM-SSD算法的平均准确率比原始的SSD算法提升3.13个百分点。同时检测的实时性也得到改善。

• 单位
  贵州大学