基于神经网络的单只猫识别比较研究

基于深度学习的人脸识别技术已在社交领域广泛应用于身份验证、智能门锁和照片分组等场景。越来越多的网络被开发出来以促进计算机视觉任务的完成，如ResNet、DenseNet、EfficientNet、ConvNeXt和Siamese网络等。然而，针对识别图像中个体猫的研究，尤其是针对宠物动物如猫的研究，系统比较这些神经网络的优势与劣势，仍屈指可数。本研究通过系统比较不同神经网络在猫识别中的效能，我们发现使用迁移学习训练的传统CNN在个体猫识别方面的性能优于采用微调方法或Siamese网络训练的模型。此外，ConvNeXt和DenseNet的结果具有显著意义，可进一步优化用于宠物店中个体猫的识别以及野外监控。这些结果为改进宠物店中猫的管理以及野外猫的监控提供了方法。