羊面部表情疼痛量表：利用卷积神经网络

发布时间：2023-04-11 18:18

　　通过深度学习分析动物的面部表情是本研究的主要内容。由于羊面部表情的人工评价缺乏准确性,耗时且单调。因此面部表情的疼痛水平估计是绵羊生命的有效和可靠的标记。一方面深度学习的基础是计算机视觉中卷积神经网络的最新进展,有助于快速准确地对面部表情进行分类。但另一方面,由于输入中的高斯和脉冲噪声,卷积神经网络易受小样本的影响。在本方法第一阶段中,首先要消除数字图像处理中的组合高斯和脉冲噪声。由于保留图像细节和抑制噪声是具有挑战性的问题,为此,一种结合卷积神经网络新型中值滤波器滤波器被用于处理高斯和椒盐噪声。以前的方法是依赖程序,一些用于处理脉冲噪声,另一些用于处理高斯噪声。首先消除高斯和脉冲噪声的是通过采用3×3和5×5窗口大小的中值滤波器来检测具有噪声抑制的脉冲噪声。随后在第二步中,通过残差学习去噪卷积神经网络去除高斯噪声。在数字图像处理领域,学习和去噪性能非常必要。去噪卷积神经网络还具有有效处理具有未知的噪声水平的高斯噪声。在第二阶段时,通过监测绵羊的生活实现对自然习性的充分评估,这对于管理至关重要。在这项研究中,我们提出了一种羊脸数据集的框架,它使用转移学习和微调来自动分类正常和异常的羊脸...

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
ABSTRACT
摘要
INTRODUCTION
    1.1.RESEARCH BACKGROUND
    1.2.LITERATURE SURVEY
        1.2.1.Overview
    1.3.LAYOUT OF THESIS
FUNDAMENTALS OF DEEP LEARNING
    2.1.SCOPE
    2.2.CONVOLUTIONAL NEURAL NETWORK
        2.2.1.Framework
        2.2.2.Convolution Layer
        2.2.3.Activation functions
        2.2.4.Pooling Layer
        2.2.5.Fully Connected Layer
        2.2.6.Logistic Regression
        2.2.7.Optimization Algorithms
        2.2.8.Learning Rate Decay
        2.2.9.Tuning Process
        2.2.10.Batch Normalization
        2.2.11.Softmax Regression
        2.2.12.Deep Learning Projects Strategy
        2.2.13.Transfer Learning
    2.3.NOISE REMOVAL ALGORITHMS
        2.3.1.Median Filter
        2.3.2.Adaptive Center Weighted Median Filter
        2.3.3.Decision-Based Algorithm
        2.3.4.Noise Adaptive Fuzzy Switching Median Filter
        2.3.5.Efficient Edge-Preserving Algorithm for Removal of Salt-and-Pepper Noise
        2.3.6.De-noising Convolutional Neural Network
    2.4.DISCUSSION
METHODOLOGY
    3.1.SCOPE
    3.2.GAUSSIAN AND IMPULSE DENOISING ALGORITHM
        3.2.1.Proposed Method Overview
        3.2.2.Step 1
        3.2.3.Step 2
    3.3.AUTOMATED SHEEP FACIAL EXPRESSION PIPELINE
        3.3.1.Sheep face dataset
        3.3.2.Transfer Learning
        3.3.3.Custom read function
        3.3.4.Data Augmentation
        3.3.5.Regularization
        3.3.6.Stochastic Gradient Descent with Momentum(SGDM)
        3.3.7.Fine-Tuning
    3.4.PAIN RATING SCALES
    3.5.DISCUSSION
EXPERIMENTAL RESULTS AND DESCUSSION
    4.1.SCOPE
    4.2.NOISE REMOVAL ALGORITHM SIMULATION AND RESULTS
    4.3.SHEEP FACIAL EXPRESSION EXPERIMENTAL RESULTS
        4.3.1.Tools and Setup
        4.3.2.Normal and Abnormal Sheep Face Results
    4.4.SHEEP PAIN RATING SCALES RESULTS
    4.5.DISCUSSION
CONCLUSIONS AND FUTURE WORK
REFERENCES
PAPERS
Acknowledgement



本文编号：3789539