基于深度学习的犬类面部识别,检测和生成的算法研究

摘要：

对于丢失了宠物狗的主人来说,即使有很多宠物协会提供帮助,想要找到走失的宠物狗仍然是一项艰巨的任务.自由放养的狗也可能对人类构成潜在危险,它在保护自己的领域时可能携带某些疾病或者具有侵略性.对于犬只的身份识别可以帮助我们有针对性地采取保护或隔离措施.当前的一些基于犬类项圈皮毛纹理等特征的识别技术又缺乏可靠性,或可能对动物有害.计算机视觉在生物识别中的应用可以帮助我们解决这些难题.深度学习作为机器学习在近几年中的一个热门研究方向,为我们提供了使用普通的相机就可以高效准确地识别目标物的方法.目前,深度学习使得快速创建可靠的人脸识别工具成为可能.利用深度学习的优势,动物识别领域中的相关研究通常也会取得很大的进步.因此,在本文中,我们提出了一种用于犬类识别的深度学习方法.除了上述的原因之外,我们选择犬类作为研究对象还因为我们需要将研究对象限制在某一种特定动物类别上以提高识别精度,并且通过互联网我们可以轻松获取大量的犬类图片作为数据集.在第一章中,我们阐述了动物和犬类识别的相关工作,介绍了深度学习的基础背景.在第二章中,我们创建并预处理了犬类面部图像的数据集,并提出了可以在该数据集上训练的几种识别方法.利用我们提出的自适应四重损失函数作为网络的损失函数训练出的网络,在验证数据集上获得了91.7%的准确性.在接下来的一章中,我们尝试通过使用深度学习方法创建的自动面部检测和对齐工具来优化数据预处理工作.我们首先通过将3D蒙版自动地应用于犬类的面部来增强面部对齐的数据集.然后,我们根据目标检测技术的最新发展实现了一个小型的深度神经网络,并将其应用于当前的数据集.该网络最终学习了如何在野外进行犬类面部识别.本文的最后一章介绍了几种深度学习方法,以进一步改善数据集存在的一些弊端,例如每只狗的图片模糊或图片太少等.这一章使用的方法主要来自于对抗神经网络的启发.我们阐述了训练这样的网络存在的一些困难,以及解决办法,最终我们展示了目前得到的实验结果,但仍需要继续改进才能解决最初提到的问题.本文包含了我们提出的对野外环境中犬类的面部识别的整个算法流程.我们希望本文提出的方法都可以为犬类面部识别领域以及更广泛的动物识别领域的发展做出贡献.

展开

相关知识

基于YOLOv8深度学习的120种犬类检测与识别系统【python源码+Pyqt5界面+数据集+训练代码】目标检测、深度学习实战、狗类检测、犬种识别
行为检测论文笔记【综述】基于深度学习的行为检测方法综述
基于多维神经网络深度特征融合的鸟鸣识别算法
宠物的面部识别，已经实现了吗？
基于深度学习的宠物照片拍摄指导微信小程序
基于YOLOv5s网络模型的牛只日常行为识别与统计研究
动物面部识别技术用来做什么？
动物“面部”识别技术用来做什么？
基于YOLO特征检测模型的非法溜宠物识别
基于宠物面部视频的非接触式心率检测研究

网址: 基于深度学习的犬类面部识别,检测和生成的算法研究 https://www.mcbbbk.com/newsview427200.html