公开(公告)号：CN114743215B

公开(公告)日：2025-01-14

申请号：CN202210292944.5

申请日：2022-03-24

Applicant: 华南农业大学

Inventor： 田绪红 ,  黎京晔 ,  熊浩 ,  高月芳

IPC: G06V40/10 ,  G06V10/44 ,  G06V10/42 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/045

Abstract: 本发明公开了一种基于图卷积网络模型的牛脸识别方法、系统、设备及介质，所述方法包括：获取牛脸图像；利用特征提取网络对牛脸图像进行初步特征提取，得到原始特征图；基于原始特征图，进行多尺度多层次的特征划分并初始化图卷积网络的节点，利用图卷积网络进行多尺度多层次的全局‑局部信息交互，实现进一步特征提取；使用经过全局‑局部信息交互的特征进行分类，得到当前牛脸对应的身份标识。本发明通过图卷积网络对提取到的原始特征进行多层次多尺度的全局‑局部信息交互，有效地融合了牛脸图像的全局‑局部信息，从而明显提高牛脸识别的准确率。

公开(公告)号：CN116977277A

公开(公告)日：2023-10-31

申请号：CN202310714179.6

申请日：2023-06-15

Applicant: 华南农业大学

Inventor： 高月芳 ,  黎京晔 ,  刘龙浩 ,  田绪红 ,  杨存义 ,  李西明

IPC: G06T7/00 ,  G06T7/77 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于空洞卷积和贝叶斯损失的豆荚计数方法，本发明的豆荚计数模型ImpBL的前端网络作为二维的特征提取；后端网络由空洞卷积组成，通过扩展的空洞卷积操作来传递更大的感受野，并代替池化操作。特征提取网络输出的特征图在贝叶斯损失下进行期望值意义上的回归估计，从而生成高质量的豆荚分布密度图。本发明通过有效组合特征提取和密度图生成，实现了对输入图像的高质量处理。本发明构建的ImpBL模型相对于传统的计数模型，使用空洞卷积和贝叶斯损失代替了VGGNet和BL等算法中的主干网络，不仅提高了模型的精度，而且降低了计算规模和所需的磁盘空间，从而具有更好的性能和可扩展性，可为豆类作物的生长监测和管理提供更加精准和便捷的工具。

公开(公告)号：CN114743215A

公开(公告)日：2022-07-12

申请号：CN202210292944.5

申请日：2022-03-24

Applicant: 华南农业大学

Inventor： 田绪红 ,  黎京晔 ,  熊浩 ,  高月芳

IPC: G06V40/10 ,  G06V10/44 ,  G06V10/42 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于图卷积网络模型的牛脸识别方法、系统、设备及介质，所述方法包括：获取牛脸图像；利用特征提取网络对牛脸图像进行初步特征提取，得到原始特征图；基于原始特征图，进行多尺度多层次的特征划分并初始化图卷积网络的节点，利用图卷积网络进行多尺度多层次的全局‑局部信息交互，实现进一步特征提取；使用经过全局‑局部信息交互的特征进行分类，得到当前牛脸对应的身份标识。本发明通过图卷积网络对提取到的原始特征进行多层次多尺度的全局‑局部信息交互，有效地融合了牛脸图像的全局‑局部信息，从而明显提高牛脸识别的准确率。