检索结果-南通市图书馆

融合空间与通道重构卷积和注意力的轻量型动物姿态估计

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2024年

作者：宰清鹏徐杨贵州大学大数据与信息工程学院贵阳铝镁设计研究院有限公司

动物姿态估计在行为生态学、动物健康监测、野生动物保护等领域的重要性不断凸显。然而，目前主流的动物姿态估计算法过于关注准确率，导致网络复杂度和计算成本不断攀升，这使得在移动设备和嵌入式平台上的应用受到了限制。针对该问题... 详细信息

动物姿态估计在行为生态学、动物健康监测、野生动物保护等领域的重要性不断凸显。然而，目前主流的动物姿态估计算法过于关注准确率，导致网络复杂度和计算成本不断攀升，这使得在移动设备和嵌入式平台上的应用受到了限制。针对该问题，本文提出融合空间与通道重构卷积和金字塔分割注意力的多尺度动物姿态估计网络SPANet。首先，使用金字塔分割注意力与坐标注意力机制，重新设计了高分辨率网络的瓶颈层EPSAneck，在减轻过度使用大卷积核带来的计算成本的同时，增强了网络对有用特征的提取能力；接着，提出了基于空间和通道重构卷积以及坐标注意力机制的SCCAblock基础模块，在显著减少计算冗余和内存访问的同时，增强了通道与空间之间的信息交互；最后，利用反卷积模块对网络输出的特征融合方式进行重新设计，进一步提升了网络的准确率。实验结果表明，本文的网络模型相较于高分辨率网络在AP10K测试集上的平均精度提升了1.8个百分点，同时浮点运算量降低了48.5%、模型参数量减少了67.0%。在AnimalPose数据集上，浮点运算量降低49.5%，模型参数量降低67.0%。实验数据表明，本文网络可在降低模型复杂度的同时实现预测精度的小范围提升。

关键词：动物姿态估计轻量型高分辨率注意力机制空间与通道重构卷积

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于深度学习的动物姿态估计研究

基于深度学习的动物姿态估计研究

作者：孙一笑辽宁科技大学

学位级别：硕士

近年来随着动物行为学研究的广泛开展,动物行为量化研究发展迅速,计算机辅助进行动物行为量化分析已经成为必然趋势。该研究主要通过获取动物姿态信息序列使得计算机能够分析动物当前的行为、情绪等信息。在畜牧养殖业自动化领域,由于... 详细信息

近年来随着动物行为学研究的广泛开展,动物行为量化研究发展迅速,计算机辅助进行动物行为量化分析已经成为必然趋势。该研究主要通过获取动物姿态信息序列使得计算机能够分析动物当前的行为、情绪等信息。在畜牧养殖业自动化领域,由于养殖场圈舍的特殊性,需要同时对大量数据进行处理,在保证姿态估计算法的精确与泛化能力前提下,对姿态估计算法的实时性有着较高要求。因此可靠性强、准确性高、运行高效的动物姿态估计算法成为了计算机辅助动物行为学研究的重要基石。本文通过对当下国内外发展现状进行研究,发现目前在动物姿态估计领域还存在难以能适应多物种间差异以及动物复杂的生存环境的问题。同时现有动物姿态估计网络往往计算复杂度较高难以适应畜牧养殖业部署在低性能设备上的需要。为了解决上述问题,本文利用深度学习技术开展了以下工作。第一,提出了一种结合改进通道空间注意力机制的动物姿态估计网络(Improve-Simple Baseline,Improve-SBL),以解决动物姿态估计网络在跨物种适应性差问题,该网络在经典的姿态估计网络Simple Base Line基础上,通过引入改进的通道空间注意力模块,优化关键点热图生成中的转置卷积等方法,使得网络在计算复杂度仅降低至为基线模型87%的情况下,动物关键点识别精确度相较于基线模型提升了4.8%。第二,提出了一种能够应用于畜牧养殖业的基于YOLOv7的高效动物姿态估计网络(Light Improve Simple Baseline,Light-Improve-SBL),以解决畜牧养殖业需要实时在计算性能较低的设备上分析动物的姿态进而分析动物行为的需求。该网络在Improve-SBL基础上,将该网络的热图生成方法替换为关键点直接回归方法,使得模型的计算复杂度进一步降低,同时引入RLE方法保证了该轻量化在的检测精度轻量化的检测精度。第三,本文创建了一个包含4种动物(猪、牛、马、羊)的畜牧养殖业数据库Husbandry-Pose,并结合使用大规模跨物种哺乳动物姿态数据集AP-10K联合评估本文所提出的两个模型。经对比实验与消融实验联合验证本文所提出的模型在解决动物姿态估计问题优于基线模型。证明了该模型在多物种的姿态估计任务上具有较强的泛化能力,关键点精确度更高。

关键词：深度学习动物姿态估计 SimpleBaseLine 有监督学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的动物姿态估计研究

基于深度学习的动物姿态估计研究

作者：张雯雯贵州大学

学位级别：硕士

随着机器视觉的快速发展,姿态估计逐渐成为了许多计算机视觉领域的重要组成部分。目前,人体姿态估计已经取得了巨大的成功,但对动物姿态估计的研究却很少,仍然存在以下问题:第一,缺少用于动物姿态估计的数据集;第二,当存在摄影机角度和... 详细信息

随着机器视觉的快速发展,姿态估计逐渐成为了许多计算机视觉领域的重要组成部分。目前,人体姿态估计已经取得了巨大的成功,但对动物姿态估计的研究却很少,仍然存在以下问题:第一,缺少用于动物姿态估计的数据集;第二,当存在摄影机角度和动物自身肢体遮挡的问题时,网络对该部分的关键点信息提取存在困难,导致估计结果不够精确;第三,部分姿态估计模型因为网络过深导致参数量大却运算复杂度高。针对以上问题,本文基于深度学习对陆生动物姿态估计进行研究,主要完成了以下工作:(1)鉴于现有的动物姿态估计技术存在着缺少足够可以分析动物关键特征的数据集的困境,本研究提出了一种将合成的动物数据集与真实的动物数据集相结合的方法来构建网络模型,以获得更加准确的预测效果并节约训练成本。同时,改进堆叠沙漏网络模型引入SE注意力机制,提出了一种多尺度最大池化模块MMPM-S(Multi-scale maximum pooling module based on SE attention mechanism),该方法对输入的特征进行了四个不同尺度的最大池化操作,提升模型获取全局信息的能力;同时本文模型还引入了CBAM注意力,提出了改进沙漏模块IHNM-C(Improved hourglass module based on CBAM attention mechanism),该方法能以最少的参数成本有效地改善网络的精确度。在Tig Dog数据集上对马进行训练、验证和测试,实验数据显示,该方法的关键点正确估计百分比PCK@0.05达到了73.35%。(2)针对提取动物困难关键点的问题,本文首先提出了堆叠沙漏网络的特征融合方法,将输入的原始图像在进行了图像预处理之后,将其作为每个沙漏模块的输入,以获取动物关键点更加准确的特征信息;同时,本文提出了沙漏模块Hourglass的特征融合,将单个沙漏模块的输入传递到沙漏模块的最外层,能够有效防止模型丢失大量的深浅层特征信息,从而提高检测精度。在该网络上对Tig Dog动物马的数据集进行训练、验证和测试,实验数据显示,该方法的关键点正确估计百分比PCK@0.05达到了74.01%。(3)针对改进后的堆叠沙漏网络模型网络参数量增大、运算复杂度上升的问题,提出了基于ECA高效通道注意力的改进条件通道加权单元ECAICCW(Improved Conditional channel weighting based on ECA)替换残差模块中的3×3卷积,从而对网络进行轻量化,同时给模型带来明显的性能增益。其次,提出了基于轻量化单元ECA-ICCW的残差模块ICCW-Bottle(Bottleneck based on lightweight unit ECA-ICCW),采用Mish激活函数替代原残差模块的Relu激活函数,在对模型进行轻量化的同时进一步提升了网络优化和泛化模型的能力;针对大尺度目标动物的姿态估计,提出了双分支特征融合方法,将图像进行预处理后经过深度可分离卷积拼接到最后一个沙漏网络中,充分融合高底层特征信息,有效地提高了动物困难关键点的检测精度。在Tig Dog动物马的数据集上进行训练、验证和测试,实验结果显示,该方法的估计精度有所提升,达到了74.63%,复杂度等指标有了较大的降低。

关键词：动物姿态估计堆叠沙漏网络注意力机制特征融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的动物姿态估计

基于深度学习的动物姿态估计

作者：鲜松柏电子科技大学

学位级别：硕士

近年来,基于深度学习的姿态估计任务取得了出色的成绩,目前姿态估计领域大部分工作都是关注人体姿态。由于动物姿态估计在自然动物保护、动物行为分析、动物养殖等领域存在巨大的应用价值,因此本论文以动物姿态估计为主题,利用深度学习... 详细信息

近年来,基于深度学习的姿态估计任务取得了出色的成绩,目前姿态估计领域大部分工作都是关注人体姿态。由于动物姿态估计在自然动物保护、动物行为分析、动物养殖等领域存在巨大的应用价值,因此本论文以动物姿态估计为主题,利用深度学习等技术解决该领域存在的问题。本论文尝试了三个工作,工作的描述和贡献如下:(1)本论文注意到当前动物姿态估计领域主流的基于无监督域适应思想(UDA)的工作的痛点,提出了基于半监督域适应思想的动物姿态估计算法。算法利用合成动物数据集和部分真实动物数据标签完成姿态估计任务,与基于UDA思想的方法相比,本算法虽然增加了部分标注成本,但大幅提高了模型的准确率。现实世界中,不同种群的动物往往存在很大的差异性,因此不能仅依靠迁移技术去迁移其他域的知识。通过付出一部分标注成本,能够使得模型的准确率得到大幅提升,基于半监督域适应的算法更贴近现实应用场景。(2)工作一主要关注如何利用合成动物数据和部分真实动物标签完成姿态估计任务。由于真实动物标注的获取成本比较高,因此基于半监督和半监督域适应思路的方法是比较合适的,但是这类方法需要预先明确哪些样本需要标注。目前绝大多数方法都是采用随机采样的方法来生成标注方案,本论文注意到标注样本的优劣对模型质量有很大影响,这种情况在标注预算较少时更加明显。为了进一步提高基于半监督或半监督域适应思路的算法的效果,本文基于聚类思想,提出了一个标注样本选择算法,该算法能在指定标注预算时,生成比随机采样更优的标注方案。(3)许多工作将基于Transformer架构的模型引入到计算机视觉任务上,并取得了不错的效果。为了综合利用基于CNN架构和Transformer架构的模型的优势,并将其用于动物姿态估计任务,本文探索了两者的结合形式,提出了一个基于编码器-解码器结构的模型Re Swin。该模型通过融合两种架构的特征,并在解码器模块设计了多尺度的结构,Re Swin的准确率大幅优于两个单架构的模型。

关键词：动物姿态估计半监督域适应标注方案特征融合多尺度

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度神经网络的动物姿态估计方法研究

基于深度神经网络的动物姿态估计方法研究

作者：刘锋哈尔滨理工大学

学位级别：硕士

随着畜牧养殖业智能化、规模化的发展,与传统的养殖方法相比智慧养殖能提高动物健康水平,增加养殖效益,而且动物姿态估计可以推断出动物的站卧情况和运动时长,进而能够对其生活状态和健康情况做出一定估测。近年来,深度学习被广泛应用... 详细信息

随着畜牧养殖业智能化、规模化的发展,与传统的养殖方法相比智慧养殖能提高动物健康水平,增加养殖效益,而且动物姿态估计可以推断出动物的站卧情况和运动时长,进而能够对其生活状态和健康情况做出一定估测。近年来,深度学习被广泛应用于姿态估计上,研究目标可不再受限于人,可将人体姿态估计的方法迁移到动物上。因此,本文通过借鉴近些年姿态估计的方法,引入深度神经网络相关知识,针对如何有效提高动物姿态估计准确度的问题进行了深入研究。本文的研究内容和创新如下:针对在不同视角、关键点存在被遮挡以及动物姿态复杂多变情况下,动物姿态估计易出现难检、漏检的缺陷,提出了一种基于改进堆叠沙漏网络的动物姿态估计方法。首先,在原始残差块基础上,设计了大感受野残差块和预处理模块。其次,基于这三种残差块设计了沙漏网络,并在沙漏网络中融入了注意力机制。最后,在每个沙漏网络的末端设置中间监督,并将各个沙漏网络使用分层连接结构进行级联,构成最终的堆叠沙漏网络。通过在数据集上进行实验,其实验结果表明改进堆叠沙漏网络的动物姿态估计方法降低了漏检率,提高了动物姿态估计的准确度。针对网络模型在多尺度特征融合表现不足和低层小目标信息会有缺失的缺陷,提出一种基于改进级联金字塔网络的动物姿态估计方法。该方法相对于级联金字塔模型主要改进包括:一是使用全局注意力模块,来适应地增强多尺度的特征图,采用全连接模块实现跨尺度的信息互补;二是在模型的Refine Net部分引入Dense Net思想,设计了稠密连接残差块替换原有的残差块,使特征图能被多次利用,从而增加特征的多样性;三是引入一种优良的激活函数Mish来优化模型,提高关键点定位的准确度。实验结果表明,改进级联金字塔网络有效的提高了动物姿态估计的准确度。

关键词：动物姿态估计注意力机制深度神经网络关键点定位

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的动物姿态估计方法

基于深度学习的动物姿态估计方法

作者：王梓豪西安电子科技大学

学位级别：硕士

动物姿态估计作为计算机视觉领域中一个较为新颖的研究方向,近年来得到了越来越多学者的关注。它在现实生活中有着广泛的场景,例如养殖动物健康监测、濒危物种保护和生命科学相关研究等。由于深度学习模型在人体姿态估计中取得了卓越的... 详细信息

动物姿态估计作为计算机视觉领域中一个较为新颖的研究方向,近年来得到了越来越多学者的关注。它在现实生活中有着广泛的场景,例如养殖动物健康监测、濒危物种保护和生命科学相关研究等。由于深度学习模型在人体姿态估计中取得了卓越的成果,且常见四足哺乳动物的骨骼结构与人类有着较高的相似性,故现有的动物姿态估计模型多是基于深度学习的人体姿态估计方法改进而来的,并取得了一定的成功。然而现有动物姿态估计方法仍存在一些问题,例如图像采集时目标动物往往不配合,因此数据集中经常出现四肢遮挡等情况,造成质量的降低;不同动物之间的骨骼比例往往有所差异,这给模型的泛化能力带来了一定的挑战。另一方面,现有的动物姿态模型任务大多以2D姿态为目标,然而动物是在三维空间中活动的,2D姿态不足以描述真实空间中的3D实体,故还应对基于3D的动物姿态估计任务进行研究。在此背景下,本文提出了两种新的动物姿态估计方法,具体介绍如下:1)针对数据集中的肢体遮挡和多物种泛化的问题,本文构建了一个高斯空洞卷积网络,它是通过在HRNet中嵌入若干个高斯空洞卷积模块来实现的。其中,高斯空洞卷积模块由多分支空洞卷积操作和权重共享构成,不同分支上空洞卷积的膨胀率之间互有不同,且权重共享时卷积核的权值随膨胀率的增加而减小,这一衰减过程由高斯函数描述。其目标是实现神经科学理论中的群体感受野模型,从而更好地模拟自然动物视觉,由此提高模型的特征提取能力。实验结果表明,当在HRNet中三个不同分辨率分支上嵌入高斯空洞卷积模块时模型达到了最佳效果,且性能优于现有的多种基线模型。2)针对基于3D的动物姿态估计任务,本文构建了一个自监督的单视角3D动物姿态估计模型。该模型可作为2D姿态估计的后处理模块,即对于给定的单视角动物图像,先估计其2D姿态,然后以该2D姿态作为模型输入,在没有深度先验信息的情况下估计其对应的3D姿态。模型以生成-对抗网络作为基本架构,利用关节距离矩阵和残差全卷积网络估计了归一化3D姿态,同时利用残差全连接网络估计了对应的观测视角。在训练时,模型设置了复杂的重投影流程,在该过程中产生了空间一致性损失和判别器损失,并以多项损失作为最终的目标函数,从而达到自监督训练的目的。实验结果表明多项损失函数和关节距离矩阵的设置均能提升模型的性能,且性能优于现有的多种模型。

关键词：动物姿态估计深度学习群体感受野自监督生成-对抗网络

面向动物监测的视频目标分割与姿态估计方法研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向动物监测的视频目标分割与姿态估计方法研究与实现

作者：郭茗月四川农业大学

学位级别：硕士

动物资源是生物资源中重要的组成部分之一,而动物监测对保护动物资源起着关键作用。在野生动物保护方面,通过监测濒危野生物种,及时掌握危急情况并采取保护措施,避免濒危野生动物的灭绝,保持动物物种多样性;在牲畜养殖方面,通过监测牲... 详细信息

动物资源是生物资源中重要的组成部分之一,而动物监测对保护动物资源起着关键作用。在野生动物保护方面,通过监测濒危野生物种,及时掌握危急情况并采取保护措施,避免濒危野生动物的灭绝,保持动物物种多样性;在牲畜养殖方面,通过监测牲畜的日常行为,实时处理牲畜的异常情况,不断契合精细养殖的需求。然而利用传统人工进行动物监测是耗时低效的,因此,深入研究面向野生动物和牲畜的监测技术具有重要意义。随着人工智能技术的发展及图像视频数据爆炸式地增长,采用计算机视觉技术实现智能化的动物监测逐渐得到了人们的广泛关注。目前,将计算机视觉技术应用于动物监测场景中的目标识别与检测研究较为成熟,而针对动物姿态及行为智能感知的研究尚处于起步阶段。本文将围绕基于计算机视觉技术的动物监测研究中的视频目标分割技术和姿态估计技术等关键问题展开深入研究。本文的主要研究与工作内容如下:(1)针对视频目标分割研究中目标变形及背景干扰的问题,提出了结合注意力机制的半监督视频目标分割模型。该模型利用混合域注意力机制关注视频帧中动物出现的重点区域,自主学习动物目标在通道及空间上的相关特征。一方面,通道域分支学习通道特征之间的关系,提升通道及空间相关特征对分割任务的贡献;另一方面,空间域分支提取目标的位置信息,抑制无关特征(如背景、非动物目标)对分割结果的影响。(2)针对动物姿态估计研究中带标注的动物姿态数据集严重不足的问题,提出了基于跨域自适应的动物姿态估计算法。不仅动物与人类之间的姿态存在某些相似先验,不同种类动物的骨架之间也存在一定的相近性。因此,本文利用大规模带标注的人体姿态数据集、小规模带标注的动物姿态数据集及以其他形式标注的动物数据集,构建了基于跨域自适应的动物姿态估计模型,把从带标注的数据中学习到的姿态信息迁移到未标注的动物类别上,进而利用源域与目标域之间共享的信息引导模型进行预测,实现对动物的姿态估计。(3)实验证明,本文提出的半监督视频目标分割模型及跨域自适应动物姿态估计模型均表现出良好的性能。半监督视频目标分割模型在三个公共数据集上相对于主流的算法,取得了更高的精度;而动物姿态估计模型针对未见类动物类别的姿态估计具有较高的精度,且优于主流的域自适应算法。

关键词：动物监测深度学习视频目标分割动物姿态估计跨域自适应

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

深度学习在动物行为分析中的应用研究进展

计算机科学与探索 2024年第3期18卷 612-626页

作者：申通王硕李孟秦伦明上海电力大学电子与信息工程学院上海201306 中国科学院上海微系统与信息技术研究所上海200050

近年来动物行为分析已成为脑科学与人工智能等领域的重要研究手段之一,研究者基于深度学习的图像分析技术,构建了自动化、智能化的动物行为分析方法。相较于传统的动物行为分析方法,该类方法无需对动物进行特殊标记,可高效地对动物的姿... 详细信息

近年来动物行为分析已成为脑科学与人工智能等领域的重要研究手段之一,研究者基于深度学习的图像分析技术,构建了自动化、智能化的动物行为分析方法。相较于传统的动物行为分析方法,该类方法无需对动物进行特殊标记,可高效地对动物的姿态进行估计和跟踪,实验情景贴近自然情况,为复杂的动物行为实验提供了潜在可能性。对深度学习在动物行为分析中的应用研究进行综述,首先简要分析动物行为分析的任务及现状;然后重点介绍并比较现有的基于深度学习的动物行为分析工具,根据实验分析的行为维度,将该类工具分为二维的动物行为分析工具和三维的动物行为分析工具,并对工具的功能、性能以及适用范围进行论述;进而介绍了现有的动物数据集和评价指标,对现有的动物行为分析工具所利用的算法机制从优势、局限性、适用场景做出总结;最后,从数据集、实验范式和低延时性等方面对基于深度学习的动物行为分析工具做出展望。

关键词：动物行为分析方法深度学习动物姿态估计

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

一种用于小鼠姿态估计的系统研究与实现

一种用于小鼠姿态估计的系统研究与实现

作者：孙俊四川农业大学

学位级别：硕士

在动物科学研究中,研究动物的行为对研究动物个体生存、种族繁衍以及医学研究都有着重要作用。但是,在动物行为学实验中,对实验体的活动状态、姿态变化和运动变化的数据采集和记录一直是实验过程中的难题。如何借助计算机视觉技术实现... 详细信息

在动物科学研究中,研究动物的行为对研究动物个体生存、种族繁衍以及医学研究都有着重要作用。但是,在动物行为学实验中,对实验体的活动状态、姿态变化和运动变化的数据采集和记录一直是实验过程中的难题。如何借助计算机视觉技术实现动物姿态数据的自动识别和记录是动物实验面临的新课题和挑战。本文结合计算机视觉领域的目标检测算法和姿态估计算法,设计和实现了一种用于小鼠姿态估计的系统。本系统可以实时且高效的对图像中的小鼠目标进行检测和定位,并利用姿态估计算法进行小鼠身体关节点的估计。系统将复杂的计算机神经网络进行轻量化,使其能够运行在计算资源有限的设备上。实验表明,本设计的方法能够流畅的在边缘计算设备上实现小鼠在各个姿态下关节点坐标的估计。本文的主要工作如下:(1)提出并实现了小鼠姿态估计系统的四层体系架构。(2)制作了一个用于训练小鼠姿态估计算法的大规模小鼠姿态数据集。(3)设计了用于小鼠姿态估计系统的轻量化算法模型,使算法能够高效地实现在有限的计算资源下的姿态估计任务。(4)实验表明,本系统能够以每秒28帧的速率实现对小鼠进行准确率约82%的目标检测和17个像素误差的姿态估计。能够对小鼠不同的姿势进行准确的姿态关节点估计。在小鼠新物体识别实验中能够快速、准确的识别小鼠的姿态变化,帮助定位小鼠位置和跟踪小鼠的运动轨迹。

关键词：小鼠深度学习目标检测动物姿态估计轻量化