基于卷積神經(jīng)網(wǎng)絡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的犯罪痕跡之一，它是揭露和證實犯罪的重要證據(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)領域知識，在一定程度上限制了分類、檢索算法的研究。近幾年來，在圖像分類中取得很好效果的卷積神經(jīng)網(wǎng)絡（Convolutional Neural Networks，CNN）可以模仿人腦通過學習得到良好的特征，避免應用過多的專業(yè)知識，減輕研究人員的負擔?；诖?，本文提出基于卷積神經(jīng)網(wǎng)絡的鞋印圖像分類算

2、法，以期望通過學習的方式在無需人工提取特征的情況下提高鞋印分類的精度。
　　由于在實際應用中，鞋印圖像庫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，這就造成了直接應用CNN網(wǎng)絡進行鞋印分類的精度低且不易收斂。因此，本文從訓練數(shù)據(jù)和訓練效率兩個方面研究了CNN模型對鞋印圖像的分類任務，提出了相關解決方案，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。介紹了在公開數(shù)據(jù)庫上取

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