基于 YOLOv5 与马赛克增强的牛只自动识别:一项对比分析
计算机视觉与模式识别
2022-10-24 v1
摘要
You Only Look Once (YOLO) 是一种单阶段目标检测模型,因实时检测、准确与快速而广受欢迎。本文研究 YOLOv5 模型以识别圈栏中的牛只。当前牛只识别方案包括射频识别(RFID)标签。问题出现在 RFID 标签丢失或损坏时。生物识别方案可识别牛只,并有助于补发丢失或损坏的标签或替代基于 RFID 的系统。牛的口鼻纹如同人类的指纹,是独特的生物识别方案。本文旨在介绍我们近期的研究:利用五种流行目标检测模型,考察 YOLOv5 的架构,在 YOLOv5 模型上研究八种骨干网络的表现,并通过现有牛口鼻图像实验考察马赛克增强在 YOLOv5 中的影响。最后,我们得出结论:YOLOv5 在牛只自动识别中具有极佳潜力。我们的实验显示,带 transformer 的 YOLOv5 表现最佳,其 mean Average Precision (mAP) 0.5(当 IoU 大于 50% 时 AP 的平均值)为 0.995,mAP 0.5:0.95(从 50% 到 95% IoU、以 5% 为间隔的 AP 平均值)为 0.9366。此外,实验表明在所有使用的骨干网络中,采用马赛克增强均提升了模型精度。而且,我们也能检测部分口鼻图像的牛只。
引用
@article{arxiv.2210.11939,
title = {Automatic Cattle Identification using YOLOv5 and Mosaic Augmentation: A Comparative Analysis},
author = {Rabin Dulal and Lihong Zheng and Muhammad Ashad Kabir and Shawn McGrath and Jonathan Medway and Dave Swain and Will Swain},
journal= {arXiv preprint arXiv:2210.11939},
year = {2022}
}
备注
Accepted in the Digital Image Computing: Techniques and Applications, 2022 (DICTA 2022)