【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及基于注意力机制的时空感知与增强网络的猪行为识别方法。
技术介绍
1、猪的健康和福利问题日益受到关注，实现猪行为的自动识别，面临的核心问题是：行为检测与识别算法的设计，要求模型具备高效性和鲁棒性，能够应对复杂的养殖场景。
2、yang et al等人基于faster-rcnn构建了一个猪的检测器；gao et al等人的结合卷积神经网络(cnn)和门控循环单元(gru)的混合模型来区分视频中的攻击行为和其他行为；chen et al等人使用inceptionv3模型从每个视频帧中提取空间特征；li et al等人引入具有双流结构的深度神经网络模型，通过提取时空特征来实现对母猪护理行为的初步识别；liu et a等人采用检测跟踪算法。
3、尽管上述基于深度学习的特征学习方法在猪行为识别领域取得了显著进展，但仍存在一些限制其在实际养殖场景中推广应用的问题；现有方法在特征提取阶段，往往未能对猪行为发生过程中的关键空间区域进行有效建模；实际上，决定行为分类准确性的判别信息通常集中于个体猪与其...
【技术保护点】
1.基于注意力机制的时空感知与增强网络的猪行为识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于注意力机制的时空感知与增强网络的猪行为识别方法，其特征在于，FL-SAM模块包括：
3.根据权利要求2所述的基于注意力机制的时空感知与增强网络的猪行为识别方法，其特征在于，KMFEM模块包括：
4.根据权利要求1所述的基于注意力机制的时空感知与增强网络的猪行为识别方法，其特征在于，CL-SAM模块包括：
5.根据权利要求1所述的基于注意力机制的时空感知与增强网络的猪行为识别方法，其特征在于，Slow分支的残差块...
【技术特征摘要】
1.基于注意力机制的时空感知与增强网络的猪行为识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于注意力机制的时空感知与增强网络的猪行为识别方法，其特征在于，fl-sam模块包括：
3.根据权利要求2所述的基于注意力机制的时空感知与增强网络的猪行为识别方法，其特征在于，kmfem模块包括：
4.根据权利要求1所述的基于注意力机制的时空感知与增强网络的猪行为识别方法，其特征在于，cl-sam模块包括：
5.根据权利要求1所述的基于注意力机制的时空感知与增强网络的猪行为识别方法，其特征在于，slow分支的残差块和fast分支的残差块个数为5。
6.根据权利要求1所述的基于注意力机制的时空感知与增强网络的猪行为识别方法，其特征在于，预处理包括：标注、数据集...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。