25、公鸡繁殖性能选择与帕金森病面部特征视觉检测研究

公鸡繁殖性能选择与帕金森病面部特征视觉检测研究

在动物养殖和医学诊断领域，利用先进的技术手段进行精准判断和检测是当前的研究热点。本文将介绍公鸡繁殖性能选择的深度卷积神经网络方法，以及基于面部特征识别的帕金森病视觉检测框架。

公鸡繁殖性能选择的深度卷积神经网络

在公鸡育种中，准确选择具有良好繁殖性能的公鸡至关重要。研究者采用了深度卷积神经网络（Deep CNN）结合渐进多粒度（PMG）网络的方法进行繁殖性能的分类。

• 批量归一化变换 ：简单地对层的每个输入进行归一化可能会改变该层所代表的内容。因此，在网络中插入带有参数 $\gamma^{(k)}$ 和 $\beta^{(k)}$ 的变换，可表示为恒等变换：
  [y^{(k)} = \gamma^{(k)}x^{(k)} + \beta^{(k)}]
  其中，$\gamma^{(k)}$ 和 $\beta^{(k)}$ 与原始模型参数一起学习，可对归一化值进行缩放和平移。在随机优化时，每个小批量会产生每个激活的均值和方差估计，以便对激活 $x$ 应用批量归一化变换：

  • 计算小批量 $B$（大小为 $m$，表示为 ${x_1…m}$）的均值：
    [\mu_B \leftarrow \frac{1}{m} \sum_{i=1}^{m} x_i]
  • 计算小批量的方差：
    [\sigma^2_B \leftarrow \frac{1}{m} \sum_{i=1}^{m} (x_i - \mu_B)^2]
  • 归一化处理：
    [x_i \leftarrow