基于深度学习的刑侦现勘图像检索研究

发布时间：2024-01-20 17:51

　　随着我国信息技术的快速发展,大量刑侦现勘图像被采集用于现代化案件侦破中,这些图像不仅包含许多有价值的线索,还可以提供有力的证据。目前,面向公安侦查应用的刑侦现勘图像检索多使用基于文本或传统浅层特征的图像检索方法,检索的准确率和效率都难以满足现代化刑侦办案的需求。本文对目前图像检索领域的研究成果和技术进行总结分析后,采用基于深度特征的图像检索方法,以提升刑侦现勘图像检索的准确率和效率。主要研究内容如下:(1)在基于深度特征的图像检索中,使用刑侦现勘图像数据集对VGGNet以及Res Net进行微调后,提取图像深度特征进行检索实验。实验结果表明,检索模型存在以下两点不足:模型无法适应目标尺度变化;在样本较少的类别中检索准确率低于平均值。针对以上问题提出两点优化:引入金字塔池化以提升模型对目标尺度变化的鲁棒性;对数据样本增强后重新训练网络,使模型对不同类别样本的检索准确率更加均衡。另外,在检索时引入查询扩展增强了图像特征的表达能力。使用以上优化方法后,检索准确率提升了5.7%。(2)针对海量图像样本中高维特征向量的检索效率问题,提出了一种多级索引的检索方法,将图像的表达使用卷积神经网络抽象成...

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 刑侦现勘图像检索背景
    1.2 图像检索技术研究现状
        1.2.1 基于文本的图像检索
        1.2.2 基于浅层特征的图像检索
        1.2.3 基于深度特征的图像检索
    1.3 主要研究内容
    1.4 论文的章节安排
2 相关理论技术
    2.1 基于深度特征的图像检索概述
        2.1.1 图像特征提取
        2.1.2 相似性度量
        2.1.3 检索评价指标
    2.2 深度学习相关理论
        2.2.1 卷积与池化
        2.2.2 激活函数
        2.2.3 Dropout
        2.2.4 梯度下降与反向传播
    2.3 TensorFlow框架
        2.3.1 TensorFlow架构
        2.3.2 计算图
        2.3.3 Session
    2.4 本章小结
3 基于深度特征的图像检索研究
    3.1 引言
    3.2 特征提取模型
        3.2.1 VGGNet
        3.2.2 ResNet
        3.2.3 金字塔池化
        3.2.4 查询扩展
    3.3 样本增强与模型训练
        3.3.1 刑侦现勘数据样本处理
        3.3.2 网络训练
    3.4 实验分析
        3.4.1 实验环境与测试数据
        3.4.2 实验结果
    3.5 本章小结
4 图像检索加速方法研究
    4.1 使用索引的检索方法
        4.1.1 近似最近邻的搜索策略
        4.1.2 有监督哈希图像编码
    4.2 基于神经网络的哈希编码学习
        4.2.1 网络结构
        4.2.2 特征提取与编码
    4.3 多级索引检索
        4.3.1 倒排索引
        4.3.2 搜索重排序
        4.3.3 检索算法实现
    4.4 实验分析
    4.5 本章小结
5 系统设计与实现
    5.1 需求分析
    5.2 系统设计
        5.2.1 检索服务
        5.2.2 系统功能及模块设计
        5.2.3 数据库设计
    5.3 系统实现
    5.4 本章小结
6 总结与展望
    6.1 本文工作总结
    6.2 未来工作展望
参考文献
致谢



本文编号：3881284