基于深度学习的青藏高原畜牧业多目标动物图像检索研究更藏卓玛安见才让---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除------本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---摘要：深度学习作为机器学习的一大重要分支，近年来在图像处理与自然语言处理领域应用极为广泛，随着深度学习被应用于各行各业，越来越多复杂的问题也随之简化。本文利用深度学习中的卷积神经网络模型进行研究，采用当下较为流行的YOLO框架，设计并实现了一套实用于青藏高原畜牧业动物图像检索的系统，该系统可根据相应需求检索单目标和多目标图像，在多次实验结果反馈中正确率较高，可在一定范围内满足实际应用。关键词：深度学习;卷积神经网络;图像检索系统：TP391.4：ADOI：10.3969/j.issn.1003-6970.2020.07.025---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---本文著录格式：更藏卓玛，安见才让.基于深度学习的青藏高原畜牧业多目标动物图像检索研究[J].软件，2020，41（07）：126-131ResearchonMulti-objectiveAnimalImageRetrievalofAnimalHusbandryinQinghaiTibetPlateauBasedonDeepLearningGENGZANGZhuo-ma，ANJIANCai-rang（QinghaiNationalitiesUniversity，qinghai810000）【Abstract】：Asanimportantbranchofmachinelearning，deeplearninghasbeenwidelyusedinthefieldofimageprocessingandnaturallanguageprocessinginrecentyears.Withtheapplicationofdeeplearninginallwalksoflife，moreandmorecomplexproblemsarealsosimplified.Inthispaper，theconvolutionneuralnetworkmodelindeeplearningisusedforresearch，andasetofpracticalanimalimageretrievalsystemisdesignedandimplementedbasedonthecurrentpopularyoframework.Thesystemcanretrievesingletargetandmulti-targetimagesaccordingtothecorrespondingneeds.Theaccuracyofthesystemishighinmultipleexperimentalresultsfeedback，anditcanmeetthepracticalapplicationinacertainrange.【Keywords】：Deeplearning;Convolutionalneuralnetwork;Imageretrievalsystem0引言目前，在國内有很多动物图像检索方面的研究，并取得了突破性的成绩。但都是在研究基于养殖场环境下的动物图像检索，而且是单目标的图像检索。在养殖场环境下光线较稳定，这有利于图像特征提取。在国内目前很少有基于青藏高原自然环境下并且是多目标的图像检索的研究，青藏高原畜牧业动物图像中---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---动物对象的形式又是各种各样的，所以需要研究出各种状态下的动物图像检索方法具有一定的意义。在深度学习中，卷积神经网络由于其相对简单高效地提取特征方法使得其成为了目前最常用的一项技术。深度学习模型，特别是深度卷积神经网络模型，在不同的视觉任务比如图像分类、注释、检索和目标检测方面由于其强大的表达学习能力取得了巨大的成功。国内一些研究人员开始对基于CNNs的算法在图像检索方面进行了探索并取得了一定的成果。国内学者高姗[1]等在文献中提出了一种基于多目标区域的图像检索模型，并实现了一款高效的检索算法。该方法先使用某些目标检测算法找出并定位出图像中的目标，接着使用卷积神经网络（CNN）提取到各个目标的像素特征，同时提出了一种新的多目标区域相似度测量方法使得多目标检测。文献所提出的新算法在PASCALVOC2007[2]图像库中使用后平均查准率达到43.47%。在PASCALVOC2012图像库中使用后平均查准率达到44.85%。相比于传统算法在检索的准确性上得到了一个大的提升。随着发展，越来越多优秀并且成熟的模型不断的横空出世，进入到大众视野，比如模型准确率较高的R-CNN[3]系算法，适合处理实时问题的YOLO[4]算法等等，都可以处理多目标图像的检索问题，采用合适的框架进行训练模型，经过合适的调节参数，模型可以达到很高的正确率，能够应用到实际生产生活中。基于以上所述，本文根据YOLO算法的计算速度快，误检测率低，准确率高等的优势特点，采用YOLO模型作为本文的网络模型，并结...