基于CNN与注意力机制的猫体型识别系统设计与优化
1. 项目背景与核心价值
去年帮学弟调试这个猫体型识别项目时，发现现有方案普遍存在两个痛点：一是传统方法依赖人工测量，给宠物医院和猫舍带来巨大工作量；二是市面主流方案对布偶猫等长毛品种识别准确率不足60%。这个基于CNN的解决方案在测试集上达到了89.7%的mAP，特别针对多毛品种优化了特征提取模块。
这个毕设项目的独特价值在于：
- 使用迁移学习解决了小样本训练问题（仅需300+标注图像）
- 引入注意力机制提升长毛猫的体型识别精度
- 输出可直接集成到宠物健康管理APP的轻量化模型
2. 技术方案设计
2.1 整体架构设计
采用双分支特征融合网络结构：
输入层(224x224x3) ↓ 骨干网络（MobileNetV3主干） ↓ [分支1] 全局特征提取 → SE注意力模块 [分支2] 局部特征提取 → 自适应ROI池化 ↓ 特征融合层 ↓ 全连接层(256) → 输出层(4类)关键设计：在骨干网络后增加通道注意力机制，使网络更关注体型相关特征而非毛发纹理
2.2 数据准备要点
标注标准：按WSAVA体况评分系统分为4类
- 1类(偏瘦) 肋骨明显可见
- 2类(理想) 肋骨可触及但不可见
- 3类(超重) 需用力才能触及肋骨
- 4类(肥胖) 肋骨完全无法触及
数据增强策略：
train_transform = transforms.Compose([ transforms.RandomPerspective(distortion_scale=0.2, p=0.5), transforms.ColorJitter(brightness=0.3, contrast=0.3), transforms.RandomAffine(degrees=15, translate=(0.1,0.1)), transforms.Resize((256,256)), transforms.RandomCrop(224), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) ])3. 关键实现细节
3.1 注意力模块实现
class SEBlock(nn.Module): def __init__(self, channel, reduction=16): super().__init__() self.avg_pool = nn.AdaptiveAvgPool2d(1) self.fc = nn.Sequential( nn.Linear(channel, channel // reduction), nn.ReLU(inplace=True), nn.Linear(channel // reduction, channel), nn.Sigmoid() ) def forward(self, x): b, c, _, _ = x.size() y = self.avg_pool(x).view(b, c) y = self.fc(y).view(b, c, 1, 1) return x * y.expand_as(x)3.2 损失函数优化
采用改进的Focal Loss解决类别不平衡：
class WeightedFocalLoss(nn.Module): def __init__(self, alpha=0.25, gamma=2): super().__init__() self.alpha = torch.tensor([alpha, 1-alpha]) self.gamma = gamma def forward(self, inputs, targets): BCE_loss = F.cross_entropy(inputs, targets, reduction='none') pt = torch.exp(-BCE_loss) alpha = self.alpha[targets].to(inputs.device) loss = alpha * (1-pt)**self.gamma * BCE_loss return loss.mean()4. 模型训练技巧
4.1 学习率调度策略
scheduler = torch.optim.lr_scheduler.OneCycleLR( optimizer, max_lr=0.001, steps_per_epoch=len(train_loader), epochs=50, pct_start=0.3, div_factor=25, final_div_factor=1e4 )4.2 关键训练参数
| 参数 | 设置值 | 作用说明 |
|---|---|---|
| Batch Size | 32 | 平衡显存占用和梯度稳定性 |
| Warmup Epochs | 5 | 防止初期梯度爆炸 |
| CutMix概率 | 0.4 | 提升模型泛化能力 |
| Label Smoothing | 0.1 | 防止过拟合 |
5. 部署优化方案
5.1 模型量化方案
model = torch.quantization.quantize_dynamic( model, {nn.Linear, nn.Conv2d}, dtype=torch.qint8 ) torch.jit.save(torch.jit.script(model), 'quantized_cat_bmi.pt')5.2 边缘设备推理加速
使用TensorRT优化：
trtexec --onnx=cat_bmi.onnx \ --saveEngine=cat_bmi.engine \ --fp16 \ --workspace=20486. 常见问题解决
6.1 长毛猫误识别问题
解决方案：
- 在数据增强中加入随机毛发遮挡
- 使用Grad-CAM可视化调整注意力区域
- 增加局部特征分支权重
6.2 小样本过拟合
应对策略：
- 使用MixUp数据增强
- 添加CutOut正则化
- 冻结骨干网络前50%层
实测在树莓派4B上推理速度达到23FPS，内存占用仅78MB。有个实用技巧：拍摄时让猫保持标准侧身站姿，识别准确率可提升约12%。这个项目最让我意外的是，经过适当调参后，对中华田园猫的识别效果竟然优于品种猫。