[发明专利]基于对抗网络模型的群养猪实例分割方法

说明书

本申请是关于一种群养猪的实例分割方法。该方法采用基于修正网络和Mask Scoring R‑CNN模型形成的对抗网络模型对群养猪进行实例分割。由于修正网络采用平滑损失函数以及Mask Scoring R‑CNN模型中存在一个分割质量评分网络，本申请提供的方案，能够实现实例分割掩码损失函数的快速收敛，提高模型的分割质量，从而解决群养猪实例分割中猪只重叠和遮挡导致的猪只漏检与边缘轮廓分割粗糙问题。

技术领域

本申请涉及计算机视觉技术领域，尤其涉及基于对抗网络模型的群养猪实例分割方法。

背景技术

猪肉是人们日常生活中常见的肉类之一。近年来，在生猪规模化养殖过程中，提升猪肉产量，将人工智能、图像识别与处理技术用于生猪养殖与管理，实现对生猪进行各类指标的自动测量。同时，对生猪的生长和健康情况进行自动监控，将大大减少养殖成本，实现更加高效信息化的生猪自动养殖。在群养生猪自然场景下，生猪相互重叠，存在严重的遮挡，导致生猪检测和分割存在很大的挑战，因此，实现群养猪的自动实例分割对生猪高效科学规模化养殖具有重要的意义。

相关技术中，公开号为CN113207563A的专利公开了一种基于Mask R-CNN和Soft-NMS融合的群养粘连猪实例分割方法，该方法在基本的Mask R-CNN框架上采用Soft-NMS算法代替传统的NMS算法，去降低粘连猪的漏检率。

但是上述技术方案对于猪只密集重叠和互相遮挡导致的生猪分割不准确问题的解决效果不佳。

发明内容

为克服相关技术中存在的问题，本申请提供一种基于对抗网络模型的群养猪实例分割方法，该方法对上述技术缺陷进行了改进，从而实现了群养生猪的准确分割和检测。

本申请第一方面提供一种基于对抗网络模型的群养猪实例分割方法，包括：

获取群猪影像数据；

基于对抗网络模型对所述群猪影像数据进行处理，得到每只猪只的坐标集合、分割掩码和分类信息；

所述对抗网络模型是实例分割模型经由修正网络修正后形成的；所述修正网络包含平滑损失函数，用以计算实例分割预测值和真实值的距离；所述修正网络将所述平滑损失函数加入所述实例分割模型的损失函数进行补偿，形成修正后的对抗网络模型；

所述实例分割模型，包括：Mask Scoring R-CNN模型。

在一种实施方式中，所述Mask Scoring R-CNN模型，包括：基础骨干网络、基于候选区域网络RPN、头部网络Mask Head和分割质量评分网络MaskIoU；

所述基础骨干网络用于处理群猪影像数据，并将得到的特征图输入至所述RPN；

所述RPN用于处理特征图，并将得到的感兴趣区域输入至所述Mask Head和所述修正网络；

所述Mask Head基于感兴趣区域进行分类和边框回归，得到每只猪只的坐标集合、分割掩码和分类信息以及将预测分割掩码最大池化处理后输至所述MaskIoU；

所述MaskIoU用于对所述Mask Head中的预测分割掩码进行质量评分。

在一种实施方式中，所述MaskIoU包括四层卷积层和三层全连接层；其中，在四层卷积层中，第一层的卷积核大小为3×3×257，其它三层的卷积核大小均为3×3×256；在三层全连接层中，第一层和第两层的输出为1024，第三层的输出为类别的个数；

所述MaskIoU基于所述预测分割掩码与所述感兴趣区域得到输入特征；

所述MaskIoU的损失函数为