互动乳制品山羊图像细分用于精密畜牧业
Lianyue Zhang1, Gaoge Han1, Yongliang Qiao2
1College of Information Engineering, Northwest A&F University, Yangling, Xianyang 712100, China.
Animals : an open access journal from MDPI
|October 28, 2023
概括
这项研究介绍了UA-MHFF-DeepLabv3+,一种交互式细分模型,可以显著减少乳山羊图像注释所需的时间和精力. 开发的DGA注释系统在像素级注释方面比Labelme快五倍.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 农业技术 农业技术
背景情况:
- 基于深度学习的语义和实例细分对于智能乳山羊养殖至关重要.
- 像Labelme这样的当前方法需要广泛的像素级注释,证明效率低下和耗时.
- 高质量的注释对于训练准确的细分模型至关重要.
研究的目的:
- 为了减少乳山羊图像的注释工作量.
- 提高深度学习模型的细分精度,特别是在对象边界和小对象上.
- 开发一个高效的乳牛山羊图像注释系统.
主要方法:
- 提出了一个新的交互式细分模型,UA-MHFF-DeepLabv3+,包括层层的多头特征融合 (MHFF) 和提升样本注意力 (UA).
- 增强了DeepLabv3+架构,以改善对象边界和小对象的细分.
- 设计并开发了一个专门的乳牛山羊图像注释系统,名为DGAnnotation.
主要成果:
- UA-MHFF-DeepLabv3+模型在DGImgs数据集上实现了最先进的细分精度.
- 与之前的模型 (3和5) 相比,实现了明显较低的mNoC@85 (1.87) 和mNoC@90 (4.11).
- DGAnnotation系统的注释速度提高了五倍,仅在7.12秒内注释了一只奶山羊实例.
结论:
- 拟议的UA-MHFF-DeepLabv3+模型有效地提高了乳山羊养殖应用中的细分精度.
- DGA注释系统大大减少了像素级图像注释所需的时间和精力.
- 这些进展有助于在智能奶牛养殖中实际实施深度学习.


