基于卷積神經(jīng)網(wǎng)絡(luò)的鞋印圖像分類算法研究.pdf

1、鞋印圖像是刑事犯罪最常見(jiàn)的犯罪痕跡之一，它是揭露和證實(shí)犯罪的重要證據(jù)。目前鞋印分類和檢索算法都采用人工挑選特征的方式，這需要大量的工程技術(shù)和專業(yè)領(lǐng)域知識(shí)，在一定程度上限制了分類、檢索算法的研究。近幾年來(lái)，在圖像分類中取得很好效果的卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）可以模仿人腦通過(guò)學(xué)習(xí)得到良好的特征，避免應(yīng)用過(guò)多的專業(yè)知識(shí)，減輕研究人員的負(fù)擔(dān)?；诖?，本文提出基于卷積神經(jīng)網(wǎng)絡(luò)的鞋印圖像分類算

2、法，以期望通過(guò)學(xué)習(xí)的方式在無(wú)需人工提取特征的情況下提高鞋印分類的精度。
　　由于在實(shí)際應(yīng)用中，鞋印圖像庫(kù)具有種類多但部分類別樣本數(shù)目少，且同類圖像差異較大的特點(diǎn)，這就造成了直接應(yīng)用CNN網(wǎng)絡(luò)進(jìn)行鞋印分類的精度低且不易收斂。因此，本文從訓(xùn)練數(shù)據(jù)和訓(xùn)練效率兩個(gè)方面研究了CNN模型對(duì)鞋印圖像的分類任務(wù)，提出了相關(guān)解決方案，提高了分類效率。本文主要工作內(nèi)容如下:
　　1)介紹了CNN的結(jié)構(gòu)、思想框架及工作原理。介紹了在公開(kāi)數(shù)據(jù)庫(kù)上取

3、得較好分類效果的CNN模型及其改進(jìn)模型，分析了鞋印圖像數(shù)據(jù)庫(kù)與公開(kāi)數(shù)據(jù)庫(kù)的區(qū)別，給出了基于卷積神經(jīng)網(wǎng)絡(luò)模型的鞋印圖像分類算法整體框架。
　　2)分析了小樣本集訓(xùn)練模型遇到的問(wèn)題，從兩方面給出了CNN小樣本的訓(xùn)練方法。首先是樣本擴(kuò)充和每類樣本數(shù)目選擇的問(wèn)題，其次是訓(xùn)練加速的方法。
　　3)通過(guò)觀察發(fā)現(xiàn)網(wǎng)絡(luò)中存在相似的特征圖，也就是說(shuō)存在冗余的連接，針對(duì)這一問(wèn)題優(yōu)化網(wǎng)絡(luò)，給出了去冗余連接的CNN改進(jìn)模型，提高了網(wǎng)絡(luò)的收斂速度，并