地方标准

.2.2关键点检测测试

关键点检测测试流程： a）输入：一张小熊猫面部图像； b 输出：与输入图像大小相同的三通道图像。每个通道代表一个关键区域，分别过滤掉每个通道 较小的响应值，剩下的响应值较高的点的质心即为该通道所对应关键区域的中心坐标，即关 键点坐标。

5.2.3关键点检测算法要求

小熊猫面部关键点检测算法需满足以下要求： 算法推理的实时性应达到20FPS； b）关键点预测误差应不大于5像素

基于两只眼睛的中心来对齐小熊猫的面部图像医院标准规范范本，使得连接两眼中心的直线是水平的，

熊猫双眼和鼻子中心的坐标，小熊猫面部图像

中心的坐标，旋转小熊猫面部图像，使双眼中心

设双眼中心之间的距离为d， 的顶部和底部之间的距离分别为 bXd,左右眼中心相对于裁剪后的面 的距离均为cXd。其中a=1.3,b=1.7和c

几乎没有平面内旋转且绝大部分背景都被消除了的小熊猫面部图像

平面内旋转且绝大部分背景都被消除了的小熊猫

裁剪小熊猫全身图像。 小熊猫全身图像检测算法需满足以下要求： a）算法推理的实时性应达到20FPS； b）平均检测的精度mAP应达到80%。

.5.1面部数据库建立

面部数据数据建立具体流程：

DB51/T29282022

a）通过智能成像设备采集，批量导入小熊猫面部图像数据； b）在小熊猫面部图像注册登记过程中，绑定小熊猫面部图像与小熊猫身份信息。

5.5.2面部数据库要求

小熊猫面部数据库需满足以下要求： a）小熊猫面部目标框左上角和右下角坐标有目标框标注； b）双眼和鼻子的关键点有坐标标注； c）经过图像去重操作。

5.6.1全身数据库建立

全身数据数据建立具体流程： a）通过智能成像设备采集，批量导入小熊猫全身图像数据； ）在小熊猫全身图像注册登记过程中，绑定小熊猫全身图像与小熊猫身份。

.6.2全身数据库要求

小熊猫全身数据库需满足以下要求： a）小熊猫全身目标框左上角和右下角坐标有目标框标注； b）经过图像去重操作

对齐并裁剪好的小熊猫面部图像。

5.7.2识别网络模型

用于提取身份特征的卷积神经网络，常用的卷积神经网络有VGG，ResNet，SENet等通用卷积神经 网络。

愉入小熊猫面部图像的特征。

比对具体流程： a）将输入小熊猫面部图像的特征与注册集中登记的所有小熊猫面部图像的特征进行相似度计算； b）最高相似度高于指定的相似度阈值，其身份被确定为与它最相似的特征所属的小熊猫； c）最高相似度低于指定的相似度阅值，则判定其是未知的小熊猫新个体。

5.7.5面部图像识别算法要求

当错误接受率为0.1%时，错误拒绝率应不大于10%。

灌溉水质标准经过检测的小熊猫全身图像。

输入小熊猫全身图像的特征。

DB51/T29282022

比对具体流程： a）将输入小熊猫全身图像的特征与注册集中登记的所有小熊猫全身图像的特征进行相似度 b）最高相似度高于指定的相似度阈值，其身份被确定为与它最相似的特征所属的小熊猫； c）最高相似度低于指定的相似度阈值， 则判定其是未知的小熊猫新个体，

监理标准规范范本5. 8.5全身图像识别算法要求

DB51/T29282022