CF-DETR:一种轻量级的实时模型,用于在高密度家禽养殖中检测的脸部
Bin Gao1,2, Wanchao Zhang2, Deqi Hao2
1Key Laboratory of Smart Breeding (Co-Construction by Ministry and Province), Ministry of Agriculture and Rural Affairs, Tianjin 300384, China.
Animals : an open access journal from MDPI
|October 16, 2025
概括
CF-DETR为智能农业提供高效的面部检测,在拥挤的环境中提高准确性. 这种轻量级模型增强了家禽生产系统的实时监控.
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:
- 在家禽系统中的自动监控需要可靠的个体检测,特别是在密集和混乱的环境中.
- 现有的方法可能会遇到阻塞和背景杂乱的问题,这会影响生产类环境中的效率.
研究的目的:
- 开发一个端到端的物体探测器,CF-DETR,专门用于在具有挑战性的家禽生产环境中检测的脸部.
- 为了提高检测准确度,降低计算成本,提高对阻塞和杂乱的稳定性.
主要方法:
- CF-DETR基于RT-DETR架构构建,结合了新的模块:动态初始深度卷积 (DIDC),极地嵌入式多尺度编码器 (PEMD) 和匹配意识损失 (MAL).
- DIDC有效地增强了接收领域,PEMD恢复了全球上下文,并融合了多层次信息,而MAL则将信任与本地化质量保持一致.
主要成果:
- 在肉数据集上,CF-DETR实现了高性能,mAP@0.50为96.9%,mAP@0.50-0.95为62.8%.
- 与RT-DETR基线相比,该模型显示可训练参数 (33.2%) 和FLOP (23.0%) 的显著降低,同时保持了81.4FPS的高速.
- 废弃性研究验证了每个模块对性能和强度的贡献.
结论:
- 在密集型家禽生产中,CF-DETR提供了检测性能和计算成本之间的优越权衡,用于实时视觉监控.
- 它的轻量级设计使其适合在实时智能农业应用中部署,解决有效的个人检测需求.
