数字农科院2.0

基于孪生网络和度量学习的牛脸检测与识别模型

文献类型： 中文期刊

作者： 刘晋维;李富忠;陈新文;郑文新;郭雷风

作者机构：

关键词： 牛脸识别;孪生网络;牛脸检测;度量学习;改进EfficientNet;Tri-Arcface

期刊名称：计算机技术与发展

ISSN： 1673-629X

年卷期： 2025 年

页码：

收录情况： 科技核心（2024版）

摘要： 随着全球畜牧业的持续发展，对精确、可靠的牛只监控需求日益增加。传统的标记方法如耳标和RFID射频识别虽然广泛使用，但存在着易丢失、维护成本高等缺点，并且不利于动物福祉。牛脸识别作为一种生物特征识别技术，能够克服这些限制，从而减少对牛只的潜在伤害。然而，传统牛脸识别方法常常受到识别精度和环境适应性的限制。为了解决上述问题，本文设计了一种基于孪生网络与度量学习的牛脸检测与识别模型CowSiamese。此模型先利用改进的YOLOv8s检测牛脸位置，再进行特征度量学习对牛只个体进行识别。首先，提出了一个基于改进EfficientNet的孪生网络结构，并在其中融入了3D多尺度注意力机制。其次，为了进一步提高特征区分度，对Arcface损失函数进行了改进，提出了一种新的度量学习损失函数Tri-Arcface，该损失函数可以更有效地优化特征空间的几何分布。实验结果显示，模型在识别准确率、召回率及F1分数分别达到99.4%、98.6%和99.5%，与现有技术相比，在识别精度上有显著提升。

分类号：

  • 相关文献

[1]基于非接触式的牛只身份识别研究进展与展望. 郭雷风,许贝贝. 2020

[2]牛脸识别技术研究进展及应用场景分析. 刘晋维,郭雷风,刘东昊,袁明. 2025

作者其他论文 更多>>