基于深度学习的开集鞋印分类算法研究
发布时间：2021-06-01 20:22
鞋印图像是刑事侦查中常见的重要证物之一,它在揭露和证实犯罪时有重大作用。目前针对鞋印分类的算法大多是基于闭集分类的算法,其假设所有的测试图像都包含在训练集中出现过的类别。然而现实的场景下,会出现很多未知类别的鞋印图像,如果直接使用闭集的假设前提,其闭集性会迫使分类器从已知类中做出选择,分类性能并不是很好。近几年来,深度网络在解决各种视觉识别问题上取得了显著的进展,对学术和商业应用产生了巨大的影响。深度网络可以提取到输入鞋印图像的深层次特征,基于此,本文使用深度学习技术提出了开集鞋印分类算法研究,主要工作如下:1)给出了基于融合多卷积层的开集分类算法通过分析鞋印图像的特点,本文以深度网络为基础,给出了鞋印图像特征提取的方法。由于待分类的类别很多,通过将不同层的卷积响应图相融合的方法,结合了中间层的全局信息和后面层的局部信息以提高类别间的可区分度,并结合判别方法,实现了开集分类。在鞋印数据集上的AUC达到了 0.84。2)给出了基于多语义块特征融合的开集分类算法本文针对鞋印图像差异性较大区域集中在脚掌和脚跟的特点,给出了一种基于多语义块特征融合的开集分类算法。本文将一幅鞋印图像分成四个语义...
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
图２．２鞋印数据集各个类别数量统计图??Ｆｉｇ．?２．２?Ｄｉｓｔｒｉｂｕｔｉｏｎ?ｏｆ?ｔｈｅ?ｍｅｍｂｅｒ?ｎｕｍｂｅｒ?ｏｆ?ｅａｃｈ?ｃｌａｓｓ??－１０?－??
?基于深度学习的开集鞋印分类算法研究???为实现鞋印图像开集分类的算法，本文第３章介绍了基于融合多卷积层的开集分类??算法，第４章介绍了基于多语义块特征融合的开集分类算法，第５章介绍了基于统计极??值理论的开集分类算法。??，?／Ｉ??融合多尺度特征＝＾＞集内外判别＝ｃ＞?分类????ｙ??????图２．３算法流程图??Ｆｉｇ．?２．３?Ｆｌｏｗ?ｃｈａｒｔ?ｏｆ?ｐｒｏｐｏｓｅｄ?ａｌｇｏｒｉｔｈｍ??２．４测试数据与评测方法??２．４．?１测试数据??本文中实验涉及到的数据全部由地方公安局提供，共有３３０８个类别的数据集，其??中原始图像的数量超过５个用于训练卷积神经网络，并对原始的数据集进行扩充后，包??含了?２１６５４０幅训练图。挑选出只包含一幅原始鞋印图像的类别作为未知类别用于算法??的测试阶段，共有５２０８幅测试鞋印图像。??２．?４．?２评测方法??本论文对于各个不同的算法下，开集分类的识别结果，主要使用了文献［４６］中定义??的ＲＯＣ曲线图和其相关的ＡＵＣ指标。其中ＡＵＣ的指标代表ＲＯＣ曲线下面的面积，??将其作为度量一个开集分类模型分类效果好坏的一个标准。??在现实的场景下，通常不同类别下的数据量是分布不均匀的，使得一些传统的评价??指标不能很好的反应分类器的分类性能，例如得到的错误率和准确率不准确，并不能完??全发反应出模型的好坏。针对上面的这个问题，在医疗分析中常用的评价方法ＲＯＣ分??析被引入到开集的分类任务当中。在其分析实验的评判中，ＲＯＣ曲线使用每一个测试??结果作为其判别界值，计算对应的正例分对的概率ＴＰＲ（Ｔｒｕｅ?Ｐｏｓｉｔｉｖｅ?Ｒａｔｅ）和错例分为正??
?大连海事大学硕士学位论文???Ｔｒｕｅ?ｃｌａｓｓ??Ｐ?ｎ??ｆｐ?ｒａｔｅ＝ＦＰ／Ｎ?ｔｐ?ｒａｔｅ＝ＴＰ／Ｐ??Ｙ?Ｔｒｕｅ?Ｆａｌｓｅ??Ｐｏｓｉｔｉｖｅ?Ｐｏｓｉｔｉｖｅ??Ｈｖｎｏｔｈｅｓｉｚｅｄ??ｃｌａｓｓ?Ｐｒｅｃｉｓｉｏｎ＝ＴＰ／（ＴＰ＋ＦＰ）?Ｒｅｃａｌｌ＝ＴＰ／（ＴＰ＋ＦＮ）??Ｆａｌｓｅ?Ｔｒｕｅ??Ｎ?Ｎｅｇａｔｉｖｅ?Ｎｅｇａｔｉｖｅ??Ａｃｃｕｒａｃｙ＝（ＴＰ＋ＴＮ）／（Ｐ＋Ｎ）??图２．４混淆矩阵??Ｆｉｇ．２．４?Ｃｏｎｆｕｓｉｏｎ?ｍａｔｒｉｘ??对于ＲＯＣ曲线，可以根据下图对其进行分析，如图２．５所示。??Ｒｅｃｅｉｖｅｒ?ｏｐｅｒａｔｉｎｇ?ｃｈａｒａｃｔｅｒｉｓｔｉｃ?ｅｘａｍｐｌｅ??１０?■?，?７??ｉ?ｚ??／?１?ｚ??厂－?ｚ??０．８?－?ｆ—??／?，??－?ｙ??ｒｏ???ｒ?，??＾?０．６?＊?Ｉ??（Ｕ?Ｉ?ｙ??＞?Ｉ?，??ｉ?Ｉ?ｙ??０．４－?Ｊ?，??＾?！？—??？?／??０．２－?！?ｙ??Ｉ?ｚ??ＩＸ??ｏ．ｏ?－?＾??０．０?０．２?０．４?０．６?０．８?１．０??Ｆａｌｓｅ?Ｐｏｓｉｔｉｖｅ?Ｒａｔｅ??图２．５?ＲＯＣ曲线图??Ｆｉｇ．２．５?Ｔｈｅ?ｃｕｒｖｅ?ｏｆ?ＲＯＣ??对于图２．５中所展示的ＲＯＣ曲线，其中包含了四个点和一条曲线。其中（０，?１）这个??点，即当?ＦＲＲ＝０?的时候，ＴＰＲ＝１，此点意味着ＦＮ（ｆａｌｓｅ?ｎｅｇａｔｉｖｅ）＝０。而且ＦＰ（ｆａｌｓｅ?ｐｏｓｉｔｉｖｅ）??＝０，
【参考文献】：
硕士论文
[1]开集鞋底花纹分类算法研究[D]. 刘风竹.大连海事大学 2017
本文编号：3210087
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
图２．２鞋印数据集各个类别数量统计图??Ｆｉｇ．?２．２?Ｄｉｓｔｒｉｂｕｔｉｏｎ?ｏｆ?ｔｈｅ?ｍｅｍｂｅｒ?ｎｕｍｂｅｒ?ｏｆ?ｅａｃｈ?ｃｌａｓｓ??－１０?－??
?基于深度学习的开集鞋印分类算法研究???为实现鞋印图像开集分类的算法，本文第３章介绍了基于融合多卷积层的开集分类??算法，第４章介绍了基于多语义块特征融合的开集分类算法，第５章介绍了基于统计极??值理论的开集分类算法。??，?／Ｉ??融合多尺度特征＝＾＞集内外判别＝ｃ＞?分类????ｙ??????图２．３算法流程图??Ｆｉｇ．?２．３?Ｆｌｏｗ?ｃｈａｒｔ?ｏｆ?ｐｒｏｐｏｓｅｄ?ａｌｇｏｒｉｔｈｍ??２．４测试数据与评测方法??２．４．?１测试数据??本文中实验涉及到的数据全部由地方公安局提供，共有３３０８个类别的数据集，其??中原始图像的数量超过５个用于训练卷积神经网络，并对原始的数据集进行扩充后，包??含了?２１６５４０幅训练图。挑选出只包含一幅原始鞋印图像的类别作为未知类别用于算法??的测试阶段，共有５２０８幅测试鞋印图像。??２．?４．?２评测方法??本论文对于各个不同的算法下，开集分类的识别结果，主要使用了文献［４６］中定义??的ＲＯＣ曲线图和其相关的ＡＵＣ指标。其中ＡＵＣ的指标代表ＲＯＣ曲线下面的面积，??将其作为度量一个开集分类模型分类效果好坏的一个标准。??在现实的场景下，通常不同类别下的数据量是分布不均匀的，使得一些传统的评价??指标不能很好的反应分类器的分类性能，例如得到的错误率和准确率不准确，并不能完??全发反应出模型的好坏。针对上面的这个问题，在医疗分析中常用的评价方法ＲＯＣ分??析被引入到开集的分类任务当中。在其分析实验的评判中，ＲＯＣ曲线使用每一个测试??结果作为其判别界值，计算对应的正例分对的概率ＴＰＲ（Ｔｒｕｅ?Ｐｏｓｉｔｉｖｅ?Ｒａｔｅ）和错例分为正??
?大连海事大学硕士学位论文???Ｔｒｕｅ?ｃｌａｓｓ??Ｐ?ｎ??ｆｐ?ｒａｔｅ＝ＦＰ／Ｎ?ｔｐ?ｒａｔｅ＝ＴＰ／Ｐ??Ｙ?Ｔｒｕｅ?Ｆａｌｓｅ??Ｐｏｓｉｔｉｖｅ?Ｐｏｓｉｔｉｖｅ??Ｈｖｎｏｔｈｅｓｉｚｅｄ??ｃｌａｓｓ?Ｐｒｅｃｉｓｉｏｎ＝ＴＰ／（ＴＰ＋ＦＰ）?Ｒｅｃａｌｌ＝ＴＰ／（ＴＰ＋ＦＮ）??Ｆａｌｓｅ?Ｔｒｕｅ??Ｎ?Ｎｅｇａｔｉｖｅ?Ｎｅｇａｔｉｖｅ??Ａｃｃｕｒａｃｙ＝（ＴＰ＋ＴＮ）／（Ｐ＋Ｎ）??图２．４混淆矩阵??Ｆｉｇ．２．４?Ｃｏｎｆｕｓｉｏｎ?ｍａｔｒｉｘ??对于ＲＯＣ曲线，可以根据下图对其进行分析，如图２．５所示。??Ｒｅｃｅｉｖｅｒ?ｏｐｅｒａｔｉｎｇ?ｃｈａｒａｃｔｅｒｉｓｔｉｃ?ｅｘａｍｐｌｅ??１０?■?，?７??ｉ?ｚ??／?１?ｚ??厂－?ｚ??０．８?－?ｆ—??／?，??－?ｙ??ｒｏ???ｒ?，??＾?０．６?＊?Ｉ??（Ｕ?Ｉ?ｙ??＞?Ｉ?，??ｉ?Ｉ?ｙ??０．４－?Ｊ?，??＾?！？—??？?／??０．２－?！?ｙ??Ｉ?ｚ??ＩＸ??ｏ．ｏ?－?＾??０．０?０．２?０．４?０．６?０．８?１．０??Ｆａｌｓｅ?Ｐｏｓｉｔｉｖｅ?Ｒａｔｅ??图２．５?ＲＯＣ曲线图??Ｆｉｇ．２．５?Ｔｈｅ?ｃｕｒｖｅ?ｏｆ?ＲＯＣ??对于图２．５中所展示的ＲＯＣ曲线，其中包含了四个点和一条曲线。其中（０，?１）这个??点，即当?ＦＲＲ＝０?的时候，ＴＰＲ＝１，此点意味着ＦＮ（ｆａｌｓｅ?ｎｅｇａｔｉｖｅ）＝０。而且ＦＰ（ｆａｌｓｅ?ｐｏｓｉｔｉｖｅ）??＝０，
【参考文献】：
硕士论文
[1]开集鞋底花纹分类算法研究[D]. 刘风竹.大连海事大学 2017
本文编号：3210087
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3210087.html
最近更新
教材专著
