一种基于通用对抗扰动的养猪场目标识别方法技术

本发明专利技术公开了一种基于通用对抗扰动的养猪场目标识别方法，方法以下步骤：(1)通过视频监控设备随机采集不同情景下的养猪场监控图像，人工标注每张图的类别属性和目标属性；(2)抽取目标检测网络SSD的骨干分类网络VGG‑16，基于数据集的类别属性训练得到高精度的多标签三分类模型；(3)将原始数据随机划分成若干组，每组生成一个通用对抗扰动；(4)将上步生成的一系列通用对抗扰动添加到训练数据中，基于数据集的目标属性训练SSD得到高精度检测模型。该发明专利技术可以高精度识别养猪场的目标，同时为目标计数和养殖人员的操作提供参考。

A method of pig farm target recognition based on general anti disturbance

【技术实现步骤摘要】
一种基于通用对抗扰动的养猪场目标识别方法
本专利技术属于场景识别的
，特别涉及一种基于通用对抗扰动的养猪场目标识别方法。
技术介绍
我国自古以来都是生猪养殖大国,生猪的养殖在我国有着悠久的历史。在现阶段,生猪养殖的模式逐渐由家庭作坊式的小型化养殖向规模化、集约化养殖发展。在一些技术手段，传统的人工养殖技术已经不能应对规模化养殖的需求，如：饲料适时投喂、猪舍卫生状况监控、猪群分布统计。近年来，随着深度神经网络的发展，深度学习已经逐渐应用到各个领域，尤其在计算机视觉、语音识别、自然语言处理等方面已经达到甚至超过人类的能力。与此同时，深度学习带来的安全问题也越来越受到人们的关注。其中，对抗扰动的生成方法逐渐成为深度学习技术安全领域中的热点问题。对抗扰动是指在深度神经网络模型可以做出正确判断的原始数据上，增加人类感官难以分辨的微小扰动后，深度神经网络模型会做出错误判断的样本。为了提高模型的鲁棒性，利用通用对抗扰动进行数据增强就是一个其中一种方法。深度神经网络在目标检测任务中取得的巨大成功，离不开海量的训练数据，主流公开数据集，如I本文档来自技高网...

【技术保护点】
1.一种基于通用对抗扰动的养猪场目标识别方法，其特征在于，包括以下步骤：/n步骤1：通过视频监控设备随机采集不同情景下的养猪场监控图像，人工标注每张图的类别属性和目标属性；/n步骤2：抽取目标检测网络SSD的骨干分类网络VGG-16，基于数据集的类别属性训练得到高精度的多标签三分类模型；/n步骤3：将原始数据随机划分成若干组，每组生成一个通用对抗扰动；/n步骤4：将上步生成的一系列通用对抗扰动添加到训练数据中，基于数据集的目标属性训练SSD得到高精度检测模型。/n

【技术特征摘要】
1.一种基于通用对抗扰动的养猪场目标识别方法，其特征在于，包括以下步骤：
步骤1：通过视频监控设备随机采集不同情景下的养猪场监控图像，人工标注每张图的类别属性和目标属性；
步骤2：抽取目标检测网络SSD的骨干分类网络VGG-16，基于数据集的类别属性训练得到高精度的多标签三分类模型；
步骤3：将原始数据随机划分成若干组，每组生成一个通用对抗扰动；
步骤4：将上步生成的一系列通用对抗扰动添加到训练数据中，基于数据集的目标属性训练SSD得到高精度检测模型。


2.根据权利要求1所述的一种基于通用对抗扰动的养猪场目标识别方法，其特征在于：所述步骤1中的数据标准为720P、RGB三通道图片，其分辨率1280*720，图片的类别属性为三分类多标签，注明该图片是否包含人、是否包含猪、是否包含工具；图片的目标属性为若干个五元组，其中每个五元组分别注明了目标的类别、矩形框的左上角、右下角坐标。


3.根据权利要求1所述的一种基于通用对抗扰动的养猪场目标识别方法，其特征在于：所述步骤2中的VGG-16还包含5组卷积-激活-池化层和3个带有dropout操作的全连接层，损失函数使用交叉熵损失，要求输入大小为3*300*300数组，预训练模型参数基于ImageNet数据集，采用随即梯度下...

【专利技术属性】
技术研发人员：王炳璇，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32