基于Mask R-CNN的马匹面部别征识别及分割方法

在马匹鉴定及马匹护照生成的过程中,需要对马匹面部的特征进行文字描述和描图标记。存在工作量大、效率低、准确性较低、人工成本较高等问题。为解决这些问题,提出了一种基于Mask R-CNN框架对马匹面部及马匹面部特征识别并进行实例分割的方法。首先通过网络爬虫和马场实地拍摄获取马脸正视图像,利用Labelme制作数据集标签,通过ResNet-50-FPN的主干网络从特征金字塔的不同级别提取RoI特征,其中的RolAlign算法,使用双线性内插的方法,提高了RoI定位精度,最后通过RoI单独应用的边界框识别和掩码预测,生成相应的马匹面部及马匹面部特征掩码,实现图像中马匹面部及马匹面部特征与背景的分割。此外,构建了一个具有分割标注信息的马脸数据集,用于训练相应模型。实验结果表明,该方法具有较好的马脸检测效果,并能在准确检测的同时实现像素级的马匹面部及马匹面部特征信息分割,可为马匹鉴定和护照生成提供一定支持。

基于Mask R-CNN的马匹四肢别征提取方法研究与应用

针对马品种登记中对马匹护照自动标记马匹外貌特征的需求,提出一种基于Mask R-CNN的马匹四肢别征的提取方法,对马匹四肢上别征进行精确检测和分割,并在马匹外貌特征图示中进行自动标记。利用新疆马业协会提供的马匹图像、网络爬虫和实地拍摄的图像,构建马匹四肢别征数据集,在Mask R-CNN框架上对单个模型与马匹模型、四肢模型和别征模型进行对照实验,4个模型的AP值分别为83.7%、91.5%、90.1%和89.2%。发现单个模型进行三层分割会使像素点存在歧义性,无法对马匹外貌特征进行自动标记。实验结果表明,使用3个模型联级进行检测与分割,效果显著,实现了马匹四肢别征的自动标记。