用于牛只人脸识别的并行注意力网络
计算机视觉与模式识别
2024-04-01 v1
摘要
牛只人脸识别在畜牧业和行为研究等领域具有至关重要的意义。尽管在受限环境中取得了显著进展，但将这些成果应用于野外环境仍具有挑战性。因此，我们创建了首个针对野外环境的大规模牛只人脸识别数据集ICRWE，包含483只牛和9,816张高分辨率图像样本。每个样本都标注了面部特征、光照条件和面部姿态。此外，我们引入了一种新型的并行注意力网络PANet。该网络由多个级联的Transformer模块组成，每个模块包含两个并行的位置注意力模块（Position Attention Module, PAM）和特征映射模块（Feature Mapping Module, FMM）。PAM通过并行通道注意力在每个图像位置上捕获局部和全局特征，FMM通过非线性映射捕获复杂的特征模式。实验结果表明，PANet在ICRWE数据集上实现了88.03%的识别准确率，成为当前最先进的方法。该代码已包含在补充材料中。
引用
@article{arxiv.2403.19980,
title = {A Parallel Attention Network for Cattle Face Recognition},
author = {Jiayu Li and Xuechao Zou and Shiying Wang and Ben Chen and Junliang Xing and Pin Tao},
journal= {arXiv preprint arXiv:2403.19980},
year = {2024}
}
备注
Accepted by ICME 2024