基于改进yolov3的肉牛目标检测
案例介绍
研究目的：肉牛的自动化养殖需要检测每一头牛的运动和进食情况。因此，需要实时的监控每一头牛的位置和当前行为。在有大量数据集的情况下，深度学习目标检测算法能够有效的定位每一头牛的位置，并判定当前牛属于站立、行走、奔跑，进食、休息等状态。
项目思路：为了获取大量肉牛数据，我们在宁夏肉牛基地，安装定点监控摄像头，拍摄肉牛的视频。通过关键帧提取技术，得到肉牛图片图片集。然后我们对图片集进行标注工作，得到10000张肉牛数据集。为了使目标检测模型适用于对肉牛的检测和跟踪，我们通过加入注意力机制，微调Darknet网络，借助特征金字塔模块来改进YOLOV3网络。为了解决肉牛追踪过程中，每一头牛的编号因为检测框丢失而出现的编号变化的问题，我们引入图像相似度算法来对比帧与帧之间的相似性。最终实现了当肉牛间出现严重遮挡时，不仅肉牛的识准率可达到91.86%，还能够实现肉牛的动态计数，判定肉牛当前的行为。
基于改进yolov3的肉牛目标检测
案例介绍
肉牛图像的目标检测与跟踪方法研究 2019 年9月 – 2020年2月
研究目的：肉牛的自动化养殖需要检测每一头牛的运动和进食情况。因此，需要实时的监控每一头牛的位置和当前行为。在有大量数据集的情况下，深度学习目标检测算法能够有效的定位每一头牛的位置，并判定当前牛属于站立、行走、奔跑，进食、休息等状态。
项目思路：为了获取大量肉牛数据，我们在宁夏肉牛基地，安装定点监控摄像头，拍摄肉牛的视频。通过关键帧提取技术，得到肉牛图片图片集。然后我们对图片集进行标注工作，得到10000张肉牛数据集。为了使目标检测模型适用于对肉牛的检测和跟踪，我们通过加入注意力机制，微调Darknet网络，借助特征金字塔模块来改进YOLOV3网络。为了解决肉牛追踪过程中，每一头牛的编号因为检测框丢失而出现的编号变化的问题，我们引入图像相似度算法来对比帧与帧之间的相似性。最终实现了当肉牛间出现严重遮挡时，不仅肉牛的识准率可达到91.86%，还能够实现肉牛的动态计数，判定肉牛当前的行为。
案例图片
相似案例推荐
-
用户消费行为数据分析
数据挖掘分析，爬虫，爬取数据，筛选数据，存储数据，分析数据，
-
公司产品
公司产品，不方便展示。此处上传为做的几个效果图。分别展示地图
-
调整图片大小为指定分辨率
将需要修改的图片放在文件夹中，读取该文件夹的所有图片，指定分
-
爬取豆瓣电影信息
多线程操作，获取豆瓣电影频道下所有电影信息，保存在txt中，
-
采集各大影视平台弹幕评论
使用多线程分布式采集 大大提高采集效率 对其进行分析 得到观
-
采集网易云音乐
采集网易云音乐 提高人工下载效率 轻松获得大量数据 采集抖
1小时精推人才
需求方专属客服，免费梳理匹配
