arrow
返回

Multi-Modality Sheep Face Recognition Based on Deep Learning

delete2025-04-11
delete0
delete
OA
AI
S
Sheng Liao
Y
Yan Shu
T
Tian Fang
Y
Yong Zhou
李国庆 封面图
李国庆 (Guoliang Li)
C
Cheng Zhang *
C
Chao Yao *
W
Wang, Zike
C
Che, Longjie
DOI:10.3390/ani15081111delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
为解决同类型羊脸识别的挑战,该类型羊脸具有显著相似性,且RGB图像在不同光照条件和角度下表现各异,本文提出了一种基于ResNet18架构的双分支多模态羊脸识别模型。该模型能够有效学习深度数据的几何特征和RGB数据的纹理特征,从而提升识别精度。初始阶段,模型采用两个InceptionV2层,分别针对RGB通道和深度通道,以提取两种模态的特定特征。随后计算两种模态的损失值。在中期阶段,采用卷积块注意力模块(CBAM)融合两种模态,在最终阶段则利用残差网络学习模态间的互补特征。实验结果表明,该模型得益于有效的多模态融合,在复杂光照条件和多角度情况下实现了高精度的羊脸识别。
Keyword:
sheep face recognition
multimodal
deep learning
ResNet
CBAM attention

期刊

Animals 封面图
Animals
IF:
2.7
论文数:
6.3K
被引数:
5.1W

机构

G
gansu anim husb technol extens gen stn
学者数:
2
论文数: 1
被引数: 0
引用论文

引用论文

Depth as Attention for Face Representation Learning
err2021-01-01
err20
errOAAI
errUppal, Hardik; Sepas-Moghaddam, Alireza; Greenspan, Michael; Etemad, Ali
err分享
err收藏
A ConvNet for the 2020s21世纪20年代的ConvNet
err2022-06-01
err0
PREAI
errZhuang Liu; Hanzi Mao; Chao-Yuan Wu; Christoph Feichtenhofer; Trevor Darrell; Saining Xie
err分享
err收藏
err分享
err收藏
CBAM: Convolutional Block Attention ModuleCBAM: 卷积块注意力模块
err2018-10-06
err0
PREAI
errSanghyun Woo; Jongchan Park; Joon-Young Lee; In So Kweon
err分享
err收藏
学者 查看更多内容