基于牛逼纹理的牛个体识别技术研究
基本概况
中央民族大学的说是学位论文，作者：丛思安，完成日期2020.5.20。
主要贡献分为四点，其一是 提出了基于特征融合的牛个体识别方法-局部二值模式和韦伯局部描述符提取牛鼻纹特征。其二是识别模型一个CNN-12的卷积神经网络模型，这个感觉有点扯。其三，提出基于迁移学习的牛个体识别方法。其四，自建62类牛鼻纹数据集。
这篇文章还发了一篇ICICC的会议文章。 Cattle identification using muzzle print images based on feature fusion
文章提到虹膜纹理可能会变化？
图像特征提取算法和分类方法
特征提取部分介绍了LBP Gabor等传统的方法。 分类介绍了KNN和SVM。感觉是在凑字数。
迁移学习
可以分为基于特征、实例、关系、参数的迁移学习。
对于特征，要求源域和目标域匹配度较高，从一个数据的特征进行新的表示，不损失数据的性质。特征转换要尽量减少两个域之间的差异。
对于实例的迁移学习，从源域选择部分数据加入目标域，差异不能过大。
基于参数的直接将源领域的参数共享给目标域，类似预训练。
基于关系的迁移学习学习数据间的关系型知识，这个不太懂。
图像增强处理
做了灰度处理，和对比度首先自适应直方图均衡化算法(CLAHE),效果看起来还不错，以后有机会再看看。
基于卷积神经网络的牛鼻纹图像识别方法。
纯纯的凑字数。
基于迁移学习的牛鼻纹理图像分类模型
套预训练模型再微调，这也叫迁移学习吗，好像确实是成立的。然后介绍一堆模型又是水字数。
？？？
Cattle Identication using Muzzle Print Images based on Texture Features Approach 行文脉络和这篇文章好像，题目甚至一个说是融合，一个说是纹理，懂得都懂。
另外其他几篇论文也看了都很水，就不贴了。
