基于微调VGG-16的现场鞋印检索算法

• 作者: 史文韬 唐云祁
• 来源期刊: 中国人民公安大学学报（自然科学版）
• 学科: 政治法律
• 关键词: 卷积神经网络 VGG-16 预训练模型 微调 鞋印检索
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 刑事技术
• 页码范围: 22-29
• 页数: 8页
• 分类号: D918.91
• 语种: 中文

摘要

鞋印是刑事案件中出现率最高的痕迹物证[1],通过检索现场鞋印进而确定鞋样能够获得有关嫌疑人身份和犯罪特点的重要信息.近年来研究人员逐渐把深度学习的相关方法应用到鞋印检索上,但目前大多数基于深度学习的鞋印检索算法都直接使用预训练的卷积神经网络提取特征,并未微调再训练,也没有设计并训练新的网络模型.提出一种基于微调VGG-16的现场鞋印检索算法.首先建立一个432类共2 827幅图片的鞋印数据集,并进一步增广到228 987幅图像.然后使用该数据集微调ILSVRC数据集预训练的VGG-16模型,并将该模型作为鞋印特征提取器.实验结果显示,与使用预训练模型相比本文方法的检索精度有了明显提高,在200幅嫌疑鞋印和5 000幅样本鞋印图像构成的测试数据集上top10的正确识别率达75.5％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐云祁		23	61	4.0	7.0
2	史文韬		2	0	0.0	0.0