基于孪生网络和度量学习的牛脸检测与识别模型

刘晋维; 李富忠; 陈新文; 郑文新; 郭雷风; 《计算机技术与发展 》 2025

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F₁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