面向牛舌健康分类的自注意力残差卷积神经网络
图像与视频处理
2024-10-01 v1 计算机视觉与模式识别
机器学习
摘要
牛奶是美国人最重要的消费品之一，牛舌健康直接影响牛奶的质量。传统上，兽医在挤奶过程中仅在短暂的几十秒内通过目视检查牛舌端的肥厚情况，这受限于时间，削弱了对牛舌健康评估的准确性。卷积神经网络 (CNN) 已被用于牛舌端健康评估，但存在挑战，如复杂的环境、牛舌位置和姿态的变化，以及难以从图像中识别牛舌。为此，本文提出一种结合残差连接和自注意力机制的牛舌自注意力残差卷积神经网络 (CTSAR-CNN) 模型，以帮助商业牧场通过对牛舌端肥厚程度进行数字图像分类来辅助评估牛舌的健康状况。结果表明，集成残差连接和自注意力机制后，CTSAR-CNN 的准确率得到了提升。该研究表明 CTSAR-CNN 更具适应性和速度，可帮助兽医评估牛舌的健康状况，从而最终惠及乳制品业。
引用
@article{arxiv.2409.19963,
title = {A Self-attention Residual Convolutional Neural Network for Health Condition Classification of Cow Teat Images},
author = {Minghao Wang},
journal= {arXiv preprint arXiv:2409.19963},
year = {2024}
}
备注
arXiv admin note: substantial text overlap with arXiv:2409.18797