| 基于深度卷积神经网络的工具痕迹识别研究 |
| |
| 引用本文： | 杨敏,牟丽,付一鸣. 基于深度卷积神经网络的工具痕迹识别研究[J]. 中国人民公安大学学报(自然科学版), 2022, 28(1): 1-5. DOI: 10.3969/j.issn.1007-1784.2022.01.001 |
| |
| 作者姓名： | 杨敏 牟丽 付一鸣 |
| |
| 作者单位： | 中南财经政法大学刑事司法学院,湖北武汉 430073;司法鉴定技术应用与社会治理学科创新基地,湖北武汉 430073,司法鉴定技术应用与社会治理学科创新基地,湖北武汉 430073 |
| |
| 基金项目： | 教育部科技部司法鉴定技术应用与社会治理学科创新引智基地项目;国家自然科学基金 |
| |
| 摘 要： | 目的 为了提高工具痕迹检验鉴定结果的稳定性和可靠性，提出了一种基于深度学习的方法。方法 使用基于迁移学习的思想与深度卷积神经网络VGG16模型的机器学习算法，对8个断线钳、10个钢丝钳和10个螺丝刀制作的2 800个工具痕迹的2D图像数据集，进行单独和综合训练学习。结果 训练后的模型对测试数据进行识别，对于在精确定位工具刃口条件下制作的钢丝钳剪切痕迹和螺丝刀线条痕迹样本可达到98%以上的准确率，对于工具刃口剪切位置误差为1.5 mm以内的条件下制作的断线钳剪切痕迹样本可达88.3%的准确率，对3种工具的综合数据集的综合识别率达到95.5%的准确率。结论 实验结果表明，不需要预先对工具痕迹做特征工程处理，就能够达到较高的识别率。
|
| 关 键 词： | 工具痕迹图像 深度学习 卷积神经网络 VGG16 自动识别 |
Study on Recognition of Toolmarks Based on Deep Convolutional Neural Network |
| |
| YANG Min,MOU Li,FU Yiming. Study on Recognition of Toolmarks Based on Deep Convolutional Neural Network[J]. Journal of the People's Public Security University(Natural Science Edition), 2022, 28(1): 1-5. DOI: 10.3969/j.issn.1007-1784.2022.01.001 |
| |
| Authors: | YANG Min MOU Li FU Yiming |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
