本文主要研究内容
作者王毅恒,许德章（2019）在《基于YOLOv3算法的农场环境下奶牛目标识别》一文中研究指出：针对农场环境下使用手工标记与肉眼识别方法识别奶牛时计数效率低、错误率高,而使用无线射频检测技术比较复杂且成本高的问题,使用检测速度较快且性能较好的YOLOv3算法对农场环境下的奶牛进行目标识别。该方法采用了3个不同尺度的特征图来进行对象检测,能够检测到更加细粒度的特征;使用Darknet-53网络加入残差模块,有利于解决深层次网络的梯度问题,从而增加奶牛目标识别模型的识别效果;采用K-means聚类得到先验框的尺寸,预测对象类别时使用logistic的输出进行预测,可以支持多标签对象。从检测结果来看,该方法在农场环境背景下的奶牛目标识别效果较好,检测准确率较高。
Abstract
zhen dui nong chang huan jing xia shi yong shou gong biao ji yu rou yan shi bie fang fa shi bie nai niu shi ji shu xiao lv di 、cuo wu lv gao ,er shi yong mo xian she pin jian ce ji shu bi jiao fu za ju cheng ben gao de wen ti ,shi yong jian ce su du jiao kuai ju xing neng jiao hao de YOLOv3suan fa dui nong chang huan jing xia de nai niu jin hang mu biao shi bie 。gai fang fa cai yong le 3ge bu tong che du de te zheng tu lai jin hang dui xiang jian ce ,neng gou jian ce dao geng jia xi li du de te zheng ;shi yong Darknet-53wang lao jia ru can cha mo kuai ,you li yu jie jue shen ceng ci wang lao de ti du wen ti ,cong er zeng jia nai niu mu biao shi bie mo xing de shi bie xiao guo ;cai yong K-meansju lei de dao xian yan kuang de che cun ,yu ce dui xiang lei bie shi shi yong logisticde shu chu jin hang yu ce ,ke yi zhi chi duo biao qian dui xiang 。cong jian ce jie guo lai kan ,gai fang fa zai nong chang huan jing bei jing xia de nai niu mu biao shi bie xiao guo jiao hao ,jian ce zhun que lv jiao gao 。
论文参考文献
论文详细介绍
论文作者分别是来自广东石油化工学院学报的王毅恒,许德章，发表于刊物广东石油化工学院学报2019年04期论文，是一篇关于畜牧业论文,农场论文,算法论文,奶牛论文,目标检测论文,广东石油化工学院学报2019年04期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自广东石油化工学院学报2019年04期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。