基于Mask R-CNN的马匹烙印号提取方法研究及应用

摘要

马匹烙印号提取是鉴定工作不可缺少的环节。针对传统的鉴定工作需人工进行标记,且存在工作量大、效率低、人工成本较高等问题,采用了Mask R-CNN算法对马匹烙印号进行分割提取。通过Labelme标注出马匹躯干及烙印号制作数据集标签,结合主干网络(ResNet-101-FPN)进行特征提取,区域建议网络(RPN)生成感兴趣区域,采用ROI-Align层,将感兴趣区域(ROI)的特征池化为固定尺寸的特征图。由检测分支进行目标框的分类和回归,实现图像背景与特征区域的分割。实验结果表明,使用实例分割算法检测马匹烙印号的准确率达到0.998,分割的平均精度(Average Precision,AP)是0.944,在准确检测的同时实现了像素级的马匹躯干及烙印号信息分割,可为马匹鉴定工作提供便利。