数字农科院2.0

基于弱监督数据集的猪只图像实例分割

文献类型： 中文期刊

作者： 王海燕;江烨皓;黎煊;马云龙;刘小磊

作者机构：

关键词： 猪只;弱监督实例分割;空间注意力机制;involution算子

期刊名称：农业机械学报

ISSN： 1000-1298

年卷期： 2023 年

页码：

收录情况： EI（2023版） ; ; 北大核心（2020版） ; ; CSCD（2023-2024年度） ; ; 科技核心（2023版） ; ; 农林核心（2020版）

摘要： 在智慧养殖研究中，基于深度学习的猪只图像实例分割方法，是猪只个体识别、体重估测、行为识别等下游任务的关键。为解决模型训练需要大量的逐像素标注图像，以及大量的的人力和时间成本的问题，采用弱监督猪只分割策略，制作弱监督数据集，提出一种新的特征提取骨干网络RdsiNet：首先在ResNet-50残差模块基础上引入第二代可变形卷积，扩大网络感受野；其次，使用空间注意力机制，强化网络对重要特征的权重值；最后引入involution算子，借助其空间特异性和通道共享性，实现加强深层空间信息、将特征映射同语义信息连接的功能。通过消融实验和对比实验证明了RdsiNet对于弱监督数据集的有效性，实验结果表明其在Mask R-CNN模型下分割的mAPSemg达到88.6%，高于ResNet-50、GCNet等一系列骨干网络；在BoxInst模型下mAPSemg达到95.2%，同样高于ResNet-50骨干网络的76.7%。而在分割图像对比中，使用RdsiNet骨干网络的分割模型同样具有更好的分割效果：在图像中猪只堆叠情况下，能更好地分辨猪只个体；使用BoxInst训练的模型，测试图像中掩码具有更高的精细度，这更有利于开展下游分析。

分类号：

  • 相关文献
作者其他论文 更多>>