公开(公告)号：CN114332956B

公开(公告)日：2023-04-07

申请号：CN202210250271.7

申请日：2022-03-15

Applicant: 华中农业大学

Inventor： 倪福川 ,  王紫嫣 ,  王海燕

IPC: G06V40/10 ,  G06V10/22 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种基于卷积神经网络的牛脸检测和牛脸关键点定位方法，包括以下步骤：S1，采集牛场奶牛图片，构建奶牛图像数据集；S2，采用LabelMe软件对图像数据集中的奶牛图片进行人工标注，在奶牛图片上标注出面部检测框和关键点信息；S3，对标注后的奶牛图像数据集进行数据变换与增强，并将进行数据变换与增强后的数据集划分为训练集和测试集；S4，构建卷积神经网络，将步骤S3得到的训练集数据输入构建好的卷积神经网络进行训练，得到牛脸检测与关键点识别模型；S5，将步骤S3得到的测试集数据输入训练好的识别模型，输出牛脸检测框和牛脸关键点信息。本发明的模型可以同时完成牛脸检测和牛脸关键点定位任务，提高了牛脸识别的效率。

公开(公告)号：CN114332956A

公开(公告)日：2022-04-12

申请号：CN202210250271.7

申请日：2022-03-15

Applicant: 华中农业大学

Inventor： 倪福川 ,  王紫嫣 ,  王海燕

IPC: G06V40/10 ,  G06V10/22 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明公开了一种基于卷积神经网络的牛脸检测和牛脸关键点定位方法，包括以下步骤：S1，采集牛场奶牛图片，构建奶牛图像数据集；S2，采用LabelMe软件对图像数据集中的奶牛图片进行人工标注，在奶牛图片上标注出面部检测框和关键点信息；S3，对标注后的奶牛图像数据集进行数据变换与增强，并将进行数据变换与增强后的数据集划分为训练集和测试集；S4，构建卷积神经网络，将步骤S3得到的训练集数据输入构建好的卷积神经网络进行训练，得到牛脸检测与关键点识别模型；S5，将步骤S3得到的测试集数据输入训练好的识别模型，输出牛脸检测框和牛脸关键点信息。本发明的模型可以同时完成牛脸检测和牛脸关键点定位任务，提高了牛脸识别的效率。