论文部分内容阅读
病鸡区别于健康鸡的视觉特征主要表现在鸡头复合特征、鸡身纹理特征和体态特征.本文提出区域深度特征融合的细粒度病鸡识别方法,模型通过区域定位和分类识别两个阶段实现,区域定位采用Faster R-CNN模型对鸡、鸡头和鸡身进行检测,分类网络通过融合有区分度的语义区域特征,应用CNN网络进行病鸡分类识别.实验采用自制的数据集,通过迁移学习的方法,在共享特征图的基础上,进行分阶段的模型训练和分类.模型在语义区域检测实验中,准确率达到了99%,召回率达到了95%左右,表征模型效果的综合评价指标F1值达到了97%