亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于改進(jìn)K-SVD算法在牛臉識(shí)別上的應(yīng)用*

        2021-10-15 07:57:28趙建敏姜世奇
        傳感器與微系統(tǒng) 2021年10期
        關(guān)鍵詞:識(shí)別率字典原子

        趙建敏,姜世奇,李 琦

        (內(nèi)蒙古科技大學(xué) 信息工程學(xué)院,內(nèi)蒙古 包頭 014000)

        0 引 言

        目前傳統(tǒng)畜牧業(yè)正在不斷尋找新的發(fā)展模式,不再僅以增產(chǎn)為主,轉(zhuǎn)而更加注重產(chǎn)品的質(zhì)量與品種,向智能化、精細(xì)化、規(guī)?;较虬l(fā)展,提出了精準(zhǔn)畜牧業(yè)的發(fā)展理念,這也是由我國(guó)目前的發(fā)展現(xiàn)狀與時(shí)代特征所決定的,同時(shí)也對(duì)牲畜的個(gè)體身份識(shí)別提出了更高的要求。目前主流的牛個(gè)體識(shí)別都是采用基于射頻識(shí)別(radio frequency identification,RFID)的識(shí)別方式[1~3],這種方法不僅識(shí)別距離有限,而且存在被替換、損壞和丟失導(dǎo)致無(wú)法準(zhǔn)確識(shí)別的潛在風(fēng)險(xiǎn)。因此,國(guó)內(nèi)外學(xué)者利用圖像處理技術(shù)對(duì)牲畜的識(shí)別展開(kāi)了廣泛的研究。Xia M等人[4]提出了利用稀疏表示分類(lèi)器(SRC)對(duì)牛臉圖像進(jìn)行識(shí)別,通過(guò)主成分分析(PCA)進(jìn)行特征提取后利用SRC進(jìn)行識(shí)別。陳娟娟等人[5]用改進(jìn)的特征袋模型(BOF)對(duì)奶牛頭部圖像進(jìn)行識(shí)別,在基于空間金字塔匹配原理(SPM)的BOF模型上,引入了HOG特征替換SIFT特征,針對(duì)奶牛圖像降低特征復(fù)雜度,提升了識(shí)別性能。深度學(xué)習(xí)的興起使得卷積神經(jīng)網(wǎng)絡(luò)(CNN)對(duì)圖像識(shí)別表現(xiàn)優(yōu)異,很多學(xué)者利用CNN進(jìn)行牛的個(gè)體識(shí)別[6,7],取得了較好的識(shí)別效果,但基于CNN的網(wǎng)絡(luò)模型需要大量人工標(biāo)注的數(shù)據(jù)進(jìn)行訓(xùn)練與測(cè)試,對(duì)于人力成本要求較高,在實(shí)際牧場(chǎng)應(yīng)用中難以大范圍開(kāi)展。Kumar S等人[8,9]利用牛的鼻口點(diǎn)(muzzle point)信息來(lái)進(jìn)行個(gè)體識(shí)別,這些信息與人類(lèi)指紋類(lèi)似具有較高的辨識(shí)度,但相比臉部圖像獲取,鼻口點(diǎn)數(shù)據(jù)的實(shí)際采集過(guò)程對(duì)人工成本要求較高,采集難度較大,實(shí)際應(yīng)用困難。

        對(duì)此,本文將字典學(xué)習(xí)理論結(jié)合牛臉圖像識(shí)別應(yīng)用到牛的個(gè)體身份識(shí)別,在經(jīng)典K-SVD算法[10]基礎(chǔ)上進(jìn)行了改進(jìn),對(duì)于輸入的牛臉圖像,通過(guò)構(gòu)造冗余字典原子的線性組合來(lái)對(duì)樣本進(jìn)行稀疏表示,在稀疏表示過(guò)程中加強(qiáng)了原子的優(yōu)化策略,求解樣本在不同字典下的重構(gòu)誤差,針對(duì)牛臉識(shí)別問(wèn)題,有了明顯改善。

        1 材 料

        數(shù)據(jù)來(lái)源于內(nèi)蒙古自治區(qū)烏蘭察布市察哈爾地區(qū)某牧場(chǎng),為了更好地采集完整的牛臉圖像,選取了牛在飲水期間進(jìn)行圖像采集,經(jīng)過(guò)挑選后構(gòu)造了一個(gè)牛臉圖像數(shù)據(jù)集IMCFR20。該數(shù)據(jù)集中包含20頭牛,每頭牛挑選20張正面牛臉圖片,共計(jì)400張。采集時(shí)間為2018年7月,采集設(shè)備為高清數(shù)碼攝像機(jī)。

        圖1為IMCFR20數(shù)據(jù)集中部分牛只ID對(duì)應(yīng)的牛臉圖像,可以看出除ID17的花紋毛色呈現(xiàn)明顯區(qū)別外,其余ID02,03,06,15所代表的牛只外形極為相似,只在牛角以及毛發(fā)的彎曲程度以及其他細(xì)節(jié)特征上有所區(qū)別。除此以外,相似的養(yǎng)殖環(huán)境進(jìn)一步提升了識(shí)別難度,依賴(lài)人的主觀判斷很難對(duì)其進(jìn)行準(zhǔn)確識(shí)別。

        圖1 IMCFR20部分牛臉圖像

        2 方 法

        2.1 K-SVD算法

        K-SVD算法的提出將K-Means與SVD進(jìn)行了有機(jī)結(jié)合,通過(guò)得到一個(gè)對(duì)原始樣本進(jìn)行學(xué)習(xí)的冗余字典,利用其原子的線性組合來(lái)實(shí)現(xiàn)近似表示。對(duì)于樣本集合Y=[y1,…,yN]∈Rn×N,可以近似描述為Y≈DX,D=[d1,…,dK]∈Rn×K表示過(guò)完備字典,X=[x1,…,xN]∈RK×N表示Y對(duì)應(yīng)稀疏系數(shù)構(gòu)成的矩陣。算法可表示為以下問(wèn)題的優(yōu)化

        (1)

        在求解過(guò)程中大致分為三個(gè)步驟:第一步是初始化D0,在Y中隨機(jī)選取K個(gè)樣本對(duì)字典進(jìn)行初始化。第二步是稀疏編碼過(guò)程,將式(1)的優(yōu)化問(wèn)題轉(zhuǎn)換為求解Y對(duì)應(yīng)稀疏矩陣X,這里采用OMP算法[11]進(jìn)行求解,通過(guò)不斷迭代計(jì)算樣本向量與字典原子的內(nèi)積,選擇與信號(hào)殘差最匹配的原子,直到滿足稀疏度限制。第三步是字典更新過(guò)程,交替優(yōu)化求解X和D。在更新時(shí)對(duì)X中非零列逐次更新,將式(1)轉(zhuǎn)換為

        (2)

        (3)

        2.2 K-SVD算法的改進(jìn)

        K-SVD在稀疏編碼階段是通過(guò)求解一個(gè)稀疏矩陣來(lái)對(duì)算法進(jìn)行優(yōu)化,通常采用OMP算法。具體是通過(guò)反復(fù)迭代求解樣本向量與字典原子的內(nèi)積來(lái)尋找一個(gè)最佳的正交投影進(jìn)行信號(hào)的稀疏逼近。在利用牛臉圖像進(jìn)行牛個(gè)體身份的識(shí)別問(wèn)題上,希望通過(guò)輸入的牛臉圖像盡可能準(zhǔn)確地對(duì)牛個(gè)體進(jìn)行分類(lèi)和識(shí)別,不需要對(duì)原始的牛臉圖像進(jìn)行精準(zhǔn)的重構(gòu),而對(duì)于輸入樣本的稀疏表達(dá)形式提出了不同要求。因此針對(duì)分類(lèi)與識(shí)別問(wèn)題,使殘差盡可能取最小并不是目的,而是需要使稀疏向量的系數(shù)盡可能非負(fù)。借鑒文獻(xiàn)[12]的思想對(duì)OMP算法進(jìn)行改進(jìn),為了使負(fù)值系數(shù)盡可能少出現(xiàn),在迭代過(guò)程中不再選取使內(nèi)積最大的字典原子作為最優(yōu)解,而是保留使系數(shù)取最大值的原子,將其余原子去除,進(jìn)而實(shí)現(xiàn)稀疏表示的優(yōu)化。具體流程如下:

        輸入:字典D,樣本Y,稀疏度L,迭代次數(shù)N

        輸出:稀疏矩陣X

        初始化:殘差r0=y,索引集Λ(0)=?,J=1

        過(guò)程:

        1)計(jì)算rJ-1與D中原子dj內(nèi)積,求取使系數(shù)最大的原子(Pdj表示在原子dj上的投影)

        2)更新索引集和字典原子:Λ(J)J=λ,D(J)J=D(︰,Λ(J)J(1︰J));

        3)x(J)=‖y-D(J)x‖2;

        4)更新殘差r(J)=D(J)x(J),J=J+1;

        5)若J>N,則停止迭代,否則,循環(huán)步驟(1)~步驟(5)。

        3 結(jié)果與分析

        實(shí)驗(yàn)環(huán)境為CPU:Intel Core i7—7700K;內(nèi)存:32 GB;顯卡:GTX 1080Ti;OS:Ubuntu16.04;MATLAB 2016a。IMCFR20數(shù)據(jù)集中包含20頭牛的400張牛臉圖像,樣本大小為128×128。

        通過(guò)牛臉圖像數(shù)據(jù)集IMCFR20對(duì)本文算法進(jìn)行驗(yàn)證。首先進(jìn)行數(shù)據(jù)的預(yù)處理,將IMCFR20數(shù)據(jù)集中的圖像進(jìn)行灰度變換,針對(duì)每個(gè)ID的樣本數(shù)據(jù)隨機(jī)選取70 %作為訓(xùn)練數(shù)據(jù),剩余30 %作為測(cè)試數(shù)據(jù)。在訓(xùn)練階段,對(duì)于每個(gè)輸入的訓(xùn)練樣本,將128×128維度下采樣為256維,將所有訓(xùn)練樣本映射為R256×280的矩陣,迭代次數(shù)設(shè)為60,稀疏度閾值為10,字典原子K初始設(shè)為300。由于改變了K-SVD的稀疏編碼過(guò)程中字典原子的選取原則,分別測(cè)試改進(jìn)后的算法與原始K-SVD算法在不同迭代次數(shù)下的重構(gòu)誤差,結(jié)果如圖2所示。

        圖2 重構(gòu)誤差與迭代次數(shù)的關(guān)系

        通過(guò)表1可以看出將字典原子的選擇方式變?yōu)楸A羰瓜禂?shù)最大的原子后,相比原算法的重構(gòu)性能會(huì)有一定下降。為了進(jìn)一步分析驗(yàn)證改進(jìn)后算法的識(shí)別效果,在IMCFR20數(shù)據(jù)集上分別對(duì)K-SVD與改進(jìn)K-SVD算法進(jìn)行測(cè)試,由于稀疏度大小與字典原子的不同取值都會(huì)對(duì)識(shí)別結(jié)果產(chǎn)生影響,針對(duì)以上兩個(gè)參數(shù)分別進(jìn)行實(shí)驗(yàn)。首先分析稀疏度取值的不同對(duì)識(shí)別效果的影響,分別選取L=2,L=4,L=6,L=8,L=10進(jìn)行實(shí)驗(yàn),測(cè)試結(jié)果如表1所示。實(shí)驗(yàn)表明,改進(jìn)后算法的識(shí)別率增加3 %左右,提升效果較為明顯。隨著稀疏度的增加,重構(gòu)誤差會(huì)不斷減小,但識(shí)別效果會(huì)呈現(xiàn)先上升后下降的趨勢(shì),稀疏度在L=6時(shí)識(shí)別率最佳。

        表1 不同稀疏度對(duì)識(shí)別率的影響

        分析字典原子數(shù)量對(duì)識(shí)別效果的影響,隨機(jī)選取每類(lèi)牛臉圖像中的16張用于訓(xùn)練,4張用于測(cè)試,共20類(lèi)。稀疏度L=6,字典原子數(shù)K分別取300,400,500進(jìn)行測(cè)試,結(jié)果如表2所示。

        表2 不同數(shù)量的字典原子對(duì)識(shí)別率的影響

        實(shí)驗(yàn)表明,在一定范圍內(nèi)增加字典原子個(gè)數(shù)可以提升識(shí)別效果,當(dāng)K=500時(shí),本文算法可以達(dá)到90.9 %,具有較好的識(shí)別性能。K在300~500的變化范圍內(nèi),K-SVD算法的識(shí)別率波動(dòng)了1.5 %,改進(jìn)K-SVD算法的識(shí)別率波動(dòng)了0.8 %,可見(jiàn)本文對(duì)字典原子數(shù)量的改變所造成的結(jié)果影響波動(dòng)較小。

        4 結(jié) 論

        本文在K-SVD算法的基礎(chǔ)上,對(duì)稀疏編碼階段的字典原子選擇方式進(jìn)行了改進(jìn),使得改進(jìn)后的算法更適用于圖像分類(lèi)與識(shí)別問(wèn)題。在構(gòu)造的牛臉圖像數(shù)據(jù)集IMCFR20上的實(shí)驗(yàn)結(jié)果表明:本文算法的牛臉圖像識(shí)別準(zhǔn)確率達(dá)到了90 %以上,識(shí)別效果較好,對(duì)通過(guò)圖像方式進(jìn)行牛個(gè)體身份識(shí)別問(wèn)題提供了一種可行的方案。

        猜你喜歡
        識(shí)別率字典原子
        開(kāi)心字典
        家教世界(2023年28期)2023-11-14 10:13:50
        開(kāi)心字典
        家教世界(2023年25期)2023-10-09 02:11:56
        少兒科學(xué)周刊·兒童版(2021年22期)2021-12-11 21:27:59
        原子可以結(jié)合嗎?
        帶你認(rèn)識(shí)原子
        基于類(lèi)圖像處理與向量化的大數(shù)據(jù)腳本攻擊智能檢測(cè)
        基于真耳分析的助聽(tīng)器配戴者言語(yǔ)可懂度指數(shù)與言語(yǔ)識(shí)別率的關(guān)系
        提升高速公路MTC二次抓拍車(chē)牌識(shí)別率方案研究
        我是小字典
        正版字典
        讀者(2016年14期)2016-06-29 17:25:50
        日韩国产精品一区二区Hd| 丁香五月缴情在线| 国产无吗一区二区三区在线欢| 国产 国语对白 露脸| 丰满熟妇人妻av无码区| 日本一区二区免费看片| 中文字幕在线观看| 四房播播在线电影| 日韩精品永久免费播放平台| 高清不卡av在线播放| 亚洲va中文字幕无码一二三区 | 免费人成视频在线观看网站| 国产在线精品福利大全| 久久精品国产精品亚洲艾| 国产亚洲精品久久久久久国模美| 久久久噜噜噜www成人网 | 国产精品久久久精品三级18| 国产精品无套一区二区久久| 久久99精品九九九久久婷婷 | a级毛片免费观看在线| 成年女人A级毛片免| 一区二区在线观看视频亚洲| 精品国产三级a∨在线欧美| 97久久香蕉国产线看观看| 亚洲中文字幕乱码免费| 一个人午夜观看在线中文字幕| 少妇人妻中文字幕hd| 五十路熟妇亲子交尾| av东京热一区二区三区| 日本一区二区三区视频国产| 久久久久亚洲av片无码v| 99热成人精品国产免| 成人自拍三级在线观看| 成 人 免 费 黄 色| 精品久久综合亚洲伊人| 日韩精品夜色二区91久久久| 丝袜美腿av在线观看| 精品一区二区三区无码免费视频| 国产精品激情综合久久| 国产精品亚洲一区二区三区16| 99久久免费国产精品|