论文名称：Boosting cattle face recognition under uncontrolled scenes by embedding enhancement and optimization
https://doi.org/10.1016/j.asoc.2024.111951
论文链接
准确地识别牛只身份是实现牛只精准养殖的基础。近年来，各种有效的方法被提出以实现牛脸识别，且在提升识别精度、降低模型复杂度等方面取得了一系列里程碑式的突破。然而，在现实世界的牛脸识别部署场景下，现有研究在以下挑战中的表现仍然不令人满意。（i）低可识别性。首先，巡检设备或监控摄像头通常被布置在牛棚外侧或边缘，牛只距离成像设备距离可能极远从而导致检测到的牛脸图像其像素分辨率很低。其次，牛只尤其是牛头是运动的，对于消费级相机而言，这类运动会给获取到的图像带来运动模糊。除了上述两种情况，雾、沙尘等情况也都会使牛脸图像中代表身份的细节信息显著丢失，使牛脸识别的准确率大幅下降。（ii）姿态变化。牛在牛场中是处在无拘束条件下的，所以检测到的牛脸图像不仅仅是正面脸而可能来自任意角度。这些从不同视角拍摄的同一头牛的图像在斑纹、纹理和轮廓等方面表现出很大的差异。侧面牛脸的识别精度通常低于正面牛脸的识别精度。
同时，解决人脸姿态问题的方法大多基于人脸具有一定的视觉对称性这一重要前提，而牛脸在视觉上可能是不对称的，因此在牛脸身份识别任务上是不适用的
为解决上述问题，已有研究通常通过优化模型结构或使用注意力机制以期学习更具辨别能力且鲁棒的特征。与其不同，本研究通过仔细分析牛脸图像在嵌入空间中的分布规律，提出了一种新的牛脸识别方法，它高效且有效的解决了上述问题。具体如下：
