基于XMem-SimAM的半监督猪只视频分割方法

doi:10.13300/j.cnki.hnlkxb.2025.02.003

华中农业大学学报 ›› 2025, Vol. 44 ›› Issue (02) : 17 -28. DOI: 10.13300/j.cnki.hnlkxb.2025.02.003

作者信息 +

Author information +

文章历史 +

PDF

摘要

为解决因猪场复杂环境、猪只动态生长及体型变化等因素导致的猪只精确分割难题，以种猪性能测定过程中动态采食和生长过程的猪只为研究对象，构建一个包括234个视频序列的猪只视频数据集，提出基于XMem-SimAM的半监督猪只视频分割方法。通过引入SimAM注意力进行多尺度特征融合，提升模型在不同尺度下对时序信息的提取能力，捕捉猪只动态移动的时序特征；利用空间-通道注意力模块，强化模型对时序语义特征的权重提取；优化多尺度特征融合策略和上采样模块，充分利用视频序列中的时序关联信息，从细粒度层面提高视频中猪只分割精度。经过测试对比，XMem-SimAM模型在猪只视频数据集上的区域相似度Jaccard、轮廓准确度F、平均度量J&F和Dice系数分别达到96.9、95.8、98.0和98.0，优于MiVOS、STCN、DEVA、XMem++等视频对象分割方法，显示出卓越的分割性能；在推理阶段，处理速度达到58.5帧/s，内存消耗为795 MB，实现了处理效率与资源利用的良好平衡。结果表明，该方法可应用于猪场复杂环境下动态生长猪只的视频分割。