基于深度学习的哺乳期猪只目标检测与姿态识别

目录

声明

摘要

1绪论

1．1课题研究背景与意义

1．2国内外研究现状

1．2．1基于深度学习的目标检测研究进展

1．2．2基于机器视觉的猪只行为检测

1．3论文的主要研究内容和结构安排

1．3．1研究内容

1．3．2结构安排

1．4本章小结

2深度学习理论知识

2．1卷积神经网络

2．1．2卷积神经网络发展史

2．2卷积神经网络的基本结构

2．1．1卷积神经网络概述

2．2．1卷积层

2．2．2池化层

2．2．3全连接层

2．2．4激活函数

2．2．5损失函数

2．3卷积神经网络的核心

2．3．1局部感受野

2．3．2权值共享

2．4软件平台

2．5硬件平台

2．6本章小结

3基于深度学习的仔猪图像检测

3．1基于回归预测的目标检测模型

3．1．1SSD概述

3．1．2YOLO概述

3．2仔猪数据集的准备

3．2．1实验数据的采集

3．2．2数据集准备

3．3基于优化的YOLOv3仔猪目标检测

3．3．1MobileNet-v2网络模型

3．3．2优化的YOLOv3算法

3．4实验结果与分析

3．4．1评价指标

3．4．2结果与分析

3．4．3结论

3．5本章小结

4基于DeeplabV3+的母猪图像分割

4．1引言

4．2数据集构建

4．2．1数据集的采集

4．2．2数据集的标注

4．2．3标签文件可视化

4．3DeeeplabV3+网络结构

4．3．1特征提取网络

4．3．2空洞空间金字塔池化

4．3．3解码区

4．3．4语义分割精度评价指标

4．4实验结果与分析

4．4．1训练环境及相关参数

4．4．2训练结果分析

4．5本章小结

5基于迁移学习的母猪姿态识别

5．1迁移学习

5．1．1迁移学习的概念

5．1．2迁移学习分类

5．2基于模型迁移的图像分类

5．2．1模型迁移

5．2．2网络模型选择

5．2．3数据集的构造

5．3实验与结果分析

5．3．1实验环境

5．3．2不同网络模型的迁移实验

5．4本章小结

6总结与展望

6．1总结

6．2展望

致谢

参考文献

攻读硕士学位期间发表的学术论文