自校准的加速度和细节保存用于在低光条件下的哺乳母猪和小猪的语义细分
相关实验视频
Updated: Sep 17, 2025
06:30
Noninvasive, In-pen Approach Test for Laboratory-housed Pigs
Published on: June 5, 2019
8.5K
Aqing Yang1, Yueju Xue2, Na Han1
1College of Computer Science, Guangdong Polytechnic Normal University, Guangzhou, 510665, China.
Scientific reports
|July 3, 2025
概括
一种新的低光图像增强方法,SADP,改善了母猪和小猪的语义细分. 这项技术通过保存细节和提高效率来增强动物监测和智能畜牧养殖.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 动物科学动物科学
背景情况:
- 像素智能语义细分对于畜牧养殖至关重要,但由于图像质量差,当前的方法在低光条件下失败.
- 有效的低光图像增强对于智能农业中可靠的动物监测和特征分析至关重要.
研究的目的:
- 开发一种高效,保存细节的低光图像增强方法 (SADP),以改善哺乳母猪和小猪的语义细分.
- 为了提高计算效率,并在图像增强过程中保持高度的细节和语义信息.
主要方法:
- 提出了一种自我校准的加速模块,以加快增强过程的所有阶段的融合.
- 引入了一个语义感知损失术语,以确保保存细节和语义信息.
- 对SADP方法与现有的低光图像增强技术进行了评估.
主要成果:
- SADP显著提高了视觉质量和效率,将执行时间减少了0.013s,模型大小减少了0.0031M.
- 母猪和小猪的语义细分性能有所改善,平均IOU从0.8686增加到0.8872.
- 该方法与已有的低光增强技术相比,显示出更高的性能.
结论:
- 在畜牧监测中,SADP方法提供了一个有效的解决方案,用于在低光下增强图像.
- SADP提高了语义细分的准确性,有助于智能畜牧养殖和生产的进步.
- 拟议的技术在其他高级计算机视觉任务中具有潜在的应用.
