A Parallel Attention Network for Cattle Face Recognition

牛的面部识别在畜牧业和行为研究等领域具有至关重要的意义。尽管在封闭环境中取得了显著进展，但在野外环境中应用这些成果仍然具有挑战性。因此，我们创建了第一个针对野外环境的大规模牛面部识别数据集ICRWE，包含483头牛和9816个高分辨率图像样本。每个样本都进行了面部特征、光线条件和面部方向的注释。此外，我们引入了一种新颖的并行注意力网络PANet。它由多个级联的Transformer模块组成，每个模块都包含两个并行的位置注意力模块（PAM）和特征映射模块（FMM）。PAM通过并行通道注意力聚焦于每个图像位置的局部和全局特征，而FMM通过非线性映射捕捉复杂的特征模式。实验结果表明，PANet在ICRWE数据集上实现了88.03%的识别准确率，成为目前最先进的方法。源代码可在补充材料中获得。

本论文旨在解决在野外环境下，牛脸识别的问题。

论文提出了一种新的并行注意力网络（PANet）来识别野外环境下的牛脸，该网络包括多个级联的Transformer模块，每个模块包含两个并行的位置注意力模块（PAM）和特征映射模块（FMM）。

论文创建了一个大规模的野外环境下的牛脸识别数据集（ICRWE），并且使用PANet在该数据集上实现了88.03%的识别准确率，成为当前最先进的方法。此外，论文提供了源代码和数据集。

在这个领域中，最近的相关研究包括：\n1. "Deep Learning-Based Cattle Face Recognition in Confined Environment",\n2. "A Survey of Deep Learning-Based Animal Face Recognition Techniques"