|本期目录/Table of Contents|

[1]孙东来,王继超,陈科,等.基于Ghost-YOLOv3-2算法的2尺度猪目标检测[J].江苏农业科学,2022,50(7):189-196.
　Sun Donglai,et al.Two-scale pig target detection based on Ghost-YOLOv3-2[J].Jiangsu Agricultural Sciences,2022,50(7):189-196.
点击复制

基于Ghost-YOLOv3-2算法的2尺度猪目标检测(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第50卷
期数:
2022年第7期
页码:
189-196
栏目:
农业工程与信息技术
出版日期:
2022-04-05

文章信息/Info

Title:
Two-scale pig target detection based on Ghost-YOLOv3-2
作者:
孙东来1; 3;  王继超1; 3;  陈科2;  孙士尉1;  刘昕彤1;  周闻天4
1.河北水利电力学院自动化与通信工程学院，河北沧州 061000； 2.山东大学控制科学与工程学院，山东济南 250061；3.河北省高校水利自动化与信息化应用技术研发中心，河北沧州 061000； 4.华侨大学信息科学与工程学院，福建厦门 361021
Author(s):
Sun Donglai; et al
关键词:
猪目标检测; Ghost-YOLOv3-2; 深度学习; 特征提取; 检出率; 实时性
Keywords:
-
分类号:
S126；TP18
DOI:
-
文献标志码:
A
摘要:
为了提高养殖场猪目标检测的检出率和实时性，提出一种从特征提取骨干网络和特征金字塔网络这2个方面对YOLOv3算法进行改进的猪目标检测算法(Ghost-YOLOv3-2)，并与经典YOLOv3、Ghost-YOLOv3、YOLOv3-2 等3种算法进行对比研究。试验结果表明，特征提取骨干网络的残差单元中引入影子块，可以在保留原有信息容量的同时减少计算量，提高网络速度；特征金字塔网络融合低层细粒度信息与高层语义信息，将输出层改为2尺度，可以进一步提高模型的表达能力与网络的实时性；改进的Ghost-YOLOv3-2算法在猪目标检测中平均精度(AP)达到8803%，较YOLOv3算法提高5.2%；速度达到23.61 f/s，较YOLOv3算法提高34.6%，所提算法对猪检测的检出率和实时性有一定的提高。
Abstract:
-

参考文献/References:

［1］党亚男，王芳，田建艳，等. 面向猪的姿态识别的特征优选方法研究［J］. 江苏农业科学，2016，44(3)：448-451.
［2］薛佳俐，杨曙明. 生猪福利养殖系统的研究进展［J］. 农产品质量与安全，2020(2)：64-69.
［3］李菊霞，李艳文，牛帆，等. 基于YOLOv4的猪只饮食行为检测方法［J］. 农业机械学报，2021，52(3)：251-256.
［4］宋伟先. 基于深度学习的猪只目标检测及状态分析［D］. 哈尔滨：东北农业大学，2019.
［5］Girshick R，Donahue J，Darrell T，et al. Rich feature hierarchies for accurate object detection and semantic segmentation［C］//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition，Columbus，2014：580-587.
［6］Girshick R.Fast R-CNN［C］//Proceedings of IEEE International Conference on Computer Vision. Santiago，2015：1440-1448.
［7］Ren S，He K，Girshick R，et al. Faster R-CNN：towards real-time object detection with region proposal networks［J］. IEEE Transactions on Pattern Analysis & Machine Intelligence，2017，39(6)：1137-1149.
［8］柳长源，王琪， 毕晓君. 多目标小尺度车辆目标检测方法的研究［J］. 控制与决策，2021，36(11)：1-6.
［9］Liu W，Anguelov D，Erhan D，et al. SSD：single shot multibox detector［C］//European Conference on Computer Vision. The Netherlands：Springer，2016：21-37.
［10］Redmon J，Divvala S，Girshick R，et al. You only look once：unified，real-time object detection with region proposal networks［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence，2017，39(6)：1137-1149.
［11］Redmon J，Farhadi A.YOLO9000：better，faster，stronger［C］//IEEE Conference on Computer Vision & Pattern Recognition，2017：6517-6525.
［12］Redmon J，Farhadi A.YOLOv3：an incremental improvement［Z/OL］. (2018-04-08)［2021-06-16］. https：//arxiv.org/abs/1804.02767
［13］曾镜源，洪添胜，杨洲. 基于实例分割的柚子姿态识别与定位研究［J］. 河南农业大学学报，2021，55(2)：287-294.
［14］Howard A G，Zhu M，Chen B，et al. MobileNets：efficient convolutional neural networks for mobile vision applications［C］//IEEE Conference on Computer Vision and Pattern Recognition.Honolulu，2017：1-9.
［15］宦海，陈逸飞，张琳，等. 一种改进的BR-YOLOv3目标检测网络［J］. 计算机工程，2021，47(10)：186-193.
［16］王一婷，张柯，李捷，等. 同一场景下超大尺度差异物体的识别和定位方法［J］. 计算机应用，2020，40(12)：3520-3525.
［17］Han K，Wang Y H，Tian Q，et al. GhostNet：more features from cheap operations［C］//2020 IEEE Conference on Computer Vision and Pattern Recognition. Seattle，2020.
［18］Lin T Y，Dollár P，Girshick R，et al. Feature pyramid networks for object detection［C］//2017 IEEE Conference on Computer Vision and Pattern Recognition. Honolulu，2017.

相似文献/References:

备注/Memo

备注/Memo:
收稿日期：2021-06-28
基金项目：国家自然科学基金(编号：61773242)；河北省教育厅青年基金(编号：QN2021228)；河北省沧州市重点研发计划指导项目(编号：204102002)；河北水利电力学院基本科研业务费专项。
作者简介：孙东来(1990—)，男，河北沧州人，硕士，助教，研究方向为深度学习及目标检测。E-mail：598333985@qq.com。
通信作者：王继超，硕士，助教，研究方向为深度学习及智能优化算法。E-mail：491366271@qq.com。
更新日期/Last Update: 2022-04-05