一种基于实例分割算法的栏内哺乳动物清点方法

    公开(公告)号:CN109785337A

    公开(公告)日:2019-05-21

    申请号:CN201811588576.9

    申请日:2018-12-25

    Abstract: 本发明公开了一种基于实例分割算法的栏内哺乳动物清点方法,属于计算机视觉领域;本发明通过摄像头将栏内哺乳动物的图像采集并发送到工作站中;然后选取目标轮廓清晰的图像,并将图像分为训练集、验证集和测试集,作为数据集用于模型训练;其次通过深度学习的实例分割算法,生成用于测试的分割模型;将测试集图像依次输入训练生成的分割模型,进行预测,输出测试结果和测试效果图;在测试完成后,自动保存测试效果图;最后通过对测试结果中目标边界框进行计数,进而实现对图像中目标数量的清点,本发明利用神经网络训练模型,避免了复杂的图像预处理步骤,有效提高了遮挡目标的识别准确率。

    一种基于实例分割算法的栏内哺乳动物清点方法

    公开(公告)号:CN109785337B

    公开(公告)日:2021-07-06

    申请号:CN201811588576.9

    申请日:2018-12-25

    Abstract: 本发明公开了一种基于实例分割算法的栏内哺乳动物清点方法,属于计算机视觉领域;本发明通过摄像头将栏内哺乳动物的图像采集并发送到工作站中;然后选取目标轮廓清晰的图像,并将图像分为训练集、验证集和测试集,作为数据集用于模型训练;其次通过深度学习的实例分割算法,生成用于测试的分割模型;将测试集图像依次输入训练生成的分割模型,进行预测,输出测试结果和测试效果图;在测试完成后,自动保存测试效果图;最后通过对测试结果中目标边界框进行计数,进而实现对图像中目标数量的清点,本发明利用神经网络训练模型,避免了复杂的图像预处理步骤,有效提高了遮挡目标的识别准确率。

Patent Agency Ranking