基于孪生网络和度量学习的牛脸检测与识别模型

来源：计算机技术与发展杂志2025年第09期北京时间：

作者：刘晋维;李富忠*;陈新文;郑文新;郭雷风;*

摘要：随着全球畜牧业的持续发展,对精确、可靠的牛只监控需求日益增加。传统的标记方法如耳标和RFID射频识别虽然广泛使用,但存在着易丢失、维护成本高等缺点,并且不利于动物福祉。牛脸识别作为一种生物特征识别技术,能够克服这些限制,从而减少对牛只的潜在伤害。然而,传统牛脸识别方法常常受到识别精度和环境适应性的限制。为了解决上述问题,该文设计了一种基于孪生网络与度量学习的牛脸检测与识别模型CowSiamese。此模型先利用改进的YOLOv8s检测牛脸位置,再进行特征度量学习对牛只个体进行识别。首先,提出了一个基于改进EfficientNet的孪生网络结构,并在其中融入了3D多尺度注意力机制。其次,为了进一步提高特征区分度,对Arcface损失函数进行了改进,提出了一种新的度量学习损失函数Tri-Arcface,该损失函数可以更有效地优化特征空间的几何分布。实验结果显示,模型在识别准确率、召回率及F?分数分别达到99.4%、98.6%和99.5%,与现有技术相比,在识别精度上有显著提升。

关键词：牛脸识别;孪生网络;牛脸检测;度量学习;改进EfficientNet;Tri-Arcface