**作者：**胡云鸽，苍 岩，乔玉龙

一、基本思路

该研究提出了一种基于图像实例分割算法的生猪计数网络。针对光照和目标边缘模糊问题，利用拉普拉斯算子进行图像预处理。对 Mask R-CNN 网络的特征提取网络进行改进，在原始特征金字塔网络（Feature Pyramid Network, FPN）后面增加一条自底向上的增强路径，直接将低层边缘位置特征与高层特征相融合，提高对目标边缘轮廓的识别能力，对非极大值抑制过程和损失函数进行优化和改进，以提高分割精度

二、数据预处理（我们可以借鉴的地方）

其中，计算图像的清晰度：

• 主要是为了针对光照和目标边缘模糊问题
• 计算方法：计算图像灰度值经拉普拉斯算子差积运算后与图像灰度值均值的方差
• 具体公式：

三、生猪计数网络结构的设计（没有找到源码）

基于 TensorFlow 框架的Mask R-CNN 网络结构的改进Mask R-CNN 网络结构，而Mask R-CNN网络框架则是由Faster R-CNN网络改进而来，这些网络主要都是用来做目标检测（符合我们的需求：盘点）和图像的分割（像素级实例分割算法）

具体如下：