本书以理论与实践相结合方式，通过回答“什么是目标检测技术”“怎样使用目标检测技术”以及“目标检测技术能做什么用”等核心问题，为读者提供了一个系统、全面且深入的目标检测知识理解框架，方便读者快速掌握目标检测技术并将其应用于智慧畜牧业应用研究中。全书共分为七章，第一、第二、第三章为基础篇，内容涵盖了目标检测技术基本概念、神经网络基础理论和目标检测程序开发入门；第四、第五章对2D和3D目标检测经典模型构建与开发实战进行了详细介绍；第六、第七章深入探讨了目标检测技术在畜禽养殖产业的研究进展和典型应用案例。通过阅读本书，读者能够系统掌握目标检测技术的原理和方法，了解其在智慧畜牧业领域的研究现状、应用潜力及发展前景，助力畜禽养殖新质生产力培育，推动我国养殖产业数智化转型与高质量创新发展。

1 目标检测技术概述
1.1 目标检测技术基本概念
1.2 目标检测技术性能指标
1.3 目标检测技术发展历程
1.4 小结
参考文献
2 目标检测技术理论基础
2.1 神经网络基本原理
2.2 神经网络优化器
2.3 常见的神经网络架构
2.4 小结
参考文献
3 目标检测开发入门
3.1 开发环境搭建
3.2 PyTorch开发基础
3.3 二维目标检测数据集制备
3.4 三维目标检测标注工具
3.5 常见目标检测公开数据集
3.6 小结
4 2D目标检测经典模型构建与开发实战
4.1 FasterR-CNN模型
4.2 FPN模型
4.3 Mask R-CNN模型
4.4 RetinaNec模型
4.5 SSD模型
4.6 YOLO模型
4.7 Swin transformer模型
参考文献
5 3D目标检测经典模型构建与开发实战
5.1 PointRCNN模型
5.2 CBGS模型
5.3 VoteNet模型
5.4 Centerpoint模型
5.5 Voxel R-CNN模型
参考文献
6 畜禽养殖产业中目标检测技术应用研究进展
6.1 全球畜禽养殖目标检测技术应用研究发展态势
6.2 羊养殖领域目标检测技术应用研究进展
6.3 牛养殖领域目标检测技术应用研究进展
6.4 猪养殖领域目标检测技术应用研究进展
6.5 禽养殖领域目标检测技术应用研究进展
参考文献
7 畜牧养殖目标检测技术典型应用案例
7.1 基于体型对称检测的家畜姿态归一化
7.2 基于DeepLapCut关键点检测的猪体尺测定
7.3 基于MTCNN面部检测的牛身份识别
7.4 基于YOLOX与KSVD的牛识别
7.5 基于侧面Part-Leve特征的肉牛身份识别
参考文献
附录 代码资源