扩写：本方法选用VGG-16网络模型作为奶牛个体识别方法的基础网络模型通过引入重叠池化层加强网络模型提取特征的丰富度和提高网络模型的运行速度引入全局平均池化层和一个1024结点的全连接层减少网络模型的参数量引入BN层加快网络模型的收敛速度构建了基于改进VGG-16网络模型的奶牛个体识别方法基于改进VGG-16网络模型的奶牛个体识别方法的网络结构如图33所示。

本方法采用VGG-16网络模型作为奶牛个体识别的基础网络模型。为了提高网络模型的特征提取能力和运行速度，我们引入了重叠池化层。同时，为了减少网络模型的参数量，我们引入了全局平均池化层和一个1024结点的全连接层。此外，为了加快网络模型的收敛速度，我们还引入了BN层。通过以上改进，我们构建了一种基于改进VGG-16网络模型的奶牛个体识别方法。该方法的网络结构如图3.3所示。