基于卷积神经网络的现场勘查照片分类方法
随着人工智能技术的迅速发展与广泛应用,智能化勘查方法正成为刑事科学技术领域新的研究热点,而实现现场勘查照片自动识别与分类是智能化勘查的重要研究内容.面向公安机关实战应用需求,提出了一种基于卷积神经网络的现场勘查照片自动分类算法.基于真实案件照片,建立了现场勘查照片数据集,包含现场勘查照片13164张,负类照片4008张.根据现场勘查照片数据特性,设计了现场勘查照片分类网络(CriSNet),通过对卷积层增加归一化处理以及改进bottleneck模块,实现对现场勘查照片的精确分类.实验结果表明:CriSNet模型的分类精度优于基准网络1个百分点,具有较好的鲁棒性,同时在分辨率低、品质较差的情况下,仍能保持较好的分类性能.
图像处理、卷积神经网络、现场勘查照片、图像分类
60
TP317.4(计算技术、计算机技术)
公安部技术研究计划项目;中央高校基本科研业务费项目;上海市现场物证重点实验室开放课题
2023-07-26(万方平台首次上网日期,不代表论文的发表时间)
共10页
130-139