基于XMem-SimAM的半监督猪只视频分割方法

打开文本图片集

关键词半监督；视频分割；猪只；SimAM注意力

利用计算机视觉、机器学习等技术逐步实现生猪养殖数字化、管理精细化是现代生猪产业高质量发展的必然趋势［1-3］。近年来，基于深度学习的语义分割方法在猪只体尺测量、体温测量、体质量估计等猪只表型测试任务中得以广泛应用。耿艳利等［4］采用PointNet网络结合注意力模块，构建了猪只点云语义分割模型，实现了猪只体尺测量；Wang等［5］提出了一种基于RANSAC和欧几里得聚类的点云语义分割算法，用于自动提取猪只体型尺寸；Xie等［6］提出基于红外热像仪（infraredthermography，ITG）的猪只温度自动检测方法并利用改进的YOLOv5s-BiFPN模型实现感兴趣区域（regionofinterest，ROI）分割，从而实现猪只的自动温度检测；Zhang等［7］提出基于改进的凸性活动轮廓模型的方法，从红外图像中分割出猪只体温区域，进行体温测量与监控；He等［8］通过SwinTransformer从RGB和深度图像提取信息进行前景分割，并结合特征融合层对猪只体质量进行预测；Kwon等［9］基于快速重建网格模型，通过语义分割专注于猪只躯干部分，实现猪只体质量估计。（剩余9929字）