一种基于改进NMS的牛脸检测方法

针对牲畜牛身份认证的多牛脸检测场景，本文给出一种基于改进Faster R-CNN的牛脸检测方法。使用Inception v2替换ZF网络作为Faster R-CNN的基础网络，模型精度得到显著提升；针对多牛检测场景对NMS（Non-Maximum Suppression）进行相应优化，使模型的召回率得到显著提升。通过和其他目标检测模型对比实验，本文的改进模型在精确率和召回率上均优于其他模型。     

基于Cascade结构的牛脸姿态估计

随着牲畜牛逐年增加,单角度特征编码这种身份认证方法在数据容量上已无法满足目前的需求.本文给出一种cascade结构,使用SSD模型对牛脸进行检测,之后使用MobileNet对牛脸姿态角度进行估计.为多角度特征编码打下坚实的特征基础.实验表明,cascade结构在牛脸检测、姿态角度估计任务中均能得到一个较高的准确度.