《表2 多尺度DCNN模型结构及并行通道参数》
#1×1:代表与其他卷积层相连且有降维作用的1×1卷积层,#n×n:代表与降维#1×1串联的卷积层
图像识别技术的核心在于图像的特征提取,在前人的猪脸识别方法中,由于提取到的特征信息较少,冗余信息较多,导致最终分类时效果不理想。网络较浅时,无法提取猪脸详细特征如眼睛、耳朵等位置,而通过加深网络层数改进性能的方法会导致参数增多、计算量增加,使得猪脸识别速度较慢,因此需要寻找合适的稀疏连接代替全连接。因此本文设计了一种基于多尺度多通道并行结构的深层卷积神经网络识别猪个体身份的方法,能够增强猪脸图像的特征提取,网络结构如表2。
图表编号 | XD00163734000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.20 |
作者 | 王荣、史再峰、高荣华、李奇峰 |
绘制单位 | 天津大学微电子学院、北京农业信息技术研究中心、天津大学微电子学院、北京农业信息技术研究中心、国家农业信息化工程技术研究中心、北京农业信息技术研究中心、国家农业信息化工程技术研究中心 |
更多格式 | 高清、无水印(增值服务) |