足跡作為現(xiàn)場(chǎng)遺留率較高的痕跡,不僅在刑偵領(lǐng)域有著舉足輕重的地位,而且在鞋業(yè)生產(chǎn)、醫(yī)療等領(lǐng)域有著廣泛的應(yīng)用。然而針對(duì)足跡分類問題,傳統(tǒng)的研究方法通常依賴相關(guān)足跡專家提取具有物理意義的足跡特征,但是因相關(guān)專家的經(jīng)驗(yàn)限制與提取特征方法不同,使得不同研究者得到的特征好壞難以界定,另外對(duì)于足跡一些抽象特征,如足跡各部位的關(guān)系等也難以提取。隨著深度學(xué)習(xí)的發(fā)展,卷積神經(jīng)網(wǎng)絡(luò)在許多領(lǐng)域取得了顯著的效果。相關(guān)足跡研究者也不斷將深度學(xué)習(xí)方法應(yīng)用于足跡分類,同時(shí)也面臨一些問題,一方面同一人大量的足跡樣本獲取難度較大,而一個(gè)或幾個(gè)足跡樣本往往獲取較簡(jiǎn)單;另一方面足跡圖像又屬于細(xì)粒度圖像范疇,不同人足跡間的差別比較細(xì)微,一般難以辨別其所屬類別。針對(duì)上述足跡研究存在的不足,本文通過元學(xué)習(xí)方法使模型在任務(wù)空間學(xué)習(xí)大量的任務(wù)分布,從而提高模型對(duì)樣本較少新任務(wù)的泛化能力。主要研究?jī)?nèi)容如下:（1）按采集規(guī)范采集足跡數(shù)據(jù)并進(jìn)行預(yù)處理�；诠鈱W(xué)足跡采集儀器,從靜態(tài)和動(dòng)態(tài)角度,本文分別采集了靜態(tài)114人和動(dòng)態(tài)142人的兩個(gè)光學(xué)足跡數(shù)據(jù)。為了讓模型獲得豐富的元知識(shí),本文采用63人的壓力足跡圖像以及部分來自南京相關(guān)部門的光學(xué)足跡圖... 

【文章來源】： 方敏 安徽大學(xué)

【文章頁數(shù)】：65 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

不同類

不同類

?�。睙峋i比?們第一次見到某種物體時(shí)，可能并不認(rèn)識(shí)，然后通過各種渠道了解了該物體。當(dāng)再次看到該物體時(shí)，就能立刻辨別出來[20]。主要因?yàn)槿祟愒谖匆姷皆撐矬w時(shí)，已經(jīng)見過許多與該物體相似的物體，從而人們可以很快抓住新物體的特征。因此，相關(guān)研究者受到人類該能力的啟發(fā)，希望構(gòu)建相應(yīng)的學(xué)習(xí)算法解決類似問題。元學(xué)習(xí)的目標(biāo)旨在如何充分使用過去的經(jīng)驗(yàn)讓學(xué)習(xí)系統(tǒng)能夠?qū)W習(xí)新的任務(wù)，如圖1.2，多個(gè)數(shù)據(jù)源含有目標(biāo)源信息。目前，深度學(xué)習(xí)領(lǐng)域已經(jīng)將元學(xué)習(xí)作為處理小樣本問題的有效方法，特別在小樣本圖像分類問題中。圖1.2元學(xué)習(xí)過程小樣本學(xué)習(xí)當(dāng)前研究方向分為零樣本學(xué)習(xí)[21,22]和小樣本學(xué)習(xí)[23,24]。零樣本學(xué)習(xí)研究的內(nèi)容在于：模型的訓(xùn)練階段不需要得到任何類別的訓(xùn)練樣本，只需要獲取該類別屬性信息就可以識(shí)別新樣本標(biāo)簽。而小樣本學(xué)習(xí)的研究?jī)?nèi)容在于：模型的訓(xùn)練階段只要一個(gè)或多個(gè)已標(biāo)記的訓(xùn)練樣本。目前，用于深度學(xué)習(xí)的數(shù)據(jù)需要大量人力、物力去篩選并且給數(shù)據(jù)給予樣本標(biāo)簽。此外，許多新類別如新發(fā)現(xiàn)物種、新設(shè)計(jì)的鞋子等也在不斷的涌現(xiàn)，同時(shí)能夠獲取到的樣本數(shù)量也是非常有限，如果通過傳統(tǒng)的深度學(xué)習(xí)方法對(duì)這些稀疏類別進(jìn)行分類，可能會(huì)造成分類結(jié)果的過擬合。近年來，深度學(xué)習(xí)領(lǐng)域的研究者對(duì)小樣本學(xué)習(xí)的研究也越來越多，并且已經(jīng)在圖像分類[25,26]、圖像分割[27]等領(lǐng)域得到很好的應(yīng)用。小樣本學(xué)習(xí)的過程如圖1.3描述，主要分為三個(gè)學(xué)習(xí)步驟，如下描述：第一步：將數(shù)據(jù)集分為兩個(gè)子數(shù)據(jù)集：源域和目標(biāo)域。源域與目標(biāo)域的類別互不交叉，即兩個(gè)子數(shù)據(jù)集分別屬于兩個(gè)標(biāo)簽域。第二步：模型分兩個(gè)階段：元訓(xùn)練和元測(cè)試階段。在元訓(xùn)練階段，從源域中隨機(jī)

【參考文獻(xiàn)】：
期刊論文
[1]面向智能感知的小樣本學(xué)習(xí)研究綜述[J]. 宋闖,趙佳佳,王康,梁欣凱.  航空學(xué)報(bào). 2020(S1)
[2]基于多模特征的足跡識(shí)別算法[J]. 張艷,王喬,王年,劉晉.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(05)
[3]基于赤足足跡穩(wěn)定點(diǎn)推算身高的新方法[J]. 朱玉婷,喬勝男,胡書良.  刑事技術(shù). 2019(02)
[4]基于Footscan足底壓力分析系統(tǒng)對(duì)足跡踏痕定量化檢驗(yàn)研究[J]. 余夢(mèng)娜,李成兵.  警察技術(shù). 2019(02)
[5]大數(shù)據(jù)下的足跡檢驗(yàn)在公安工作中的作用[J]. 王艷.  遼寧警察學(xué)院學(xué)報(bào). 2018(06)
[6]基于深度學(xué)習(xí)的赤足跡性別自動(dòng)分析研究[J]. 史力民,李碩,趙悅岑.  中國刑警學(xué)院學(xué)報(bào). 2018(03)
[7]足底壓力與糖尿病[J]. 查盼盼,Raju Bista,王椿.  華西醫(yī)學(xué). 2018(05)
[8]足跡識(shí)別技術(shù)研究進(jìn)展綜述[J]. 楊琳,佟德鑫.  遼寧警察學(xué)院學(xué)報(bào). 2017(03)
[9]立體足跡提取方法進(jìn)展研究[J]. 楊映輝.  云南警官學(xué)院學(xué)報(bào). 2014(01)
[10]平面赤足跡特征分析與身份識(shí)別方法[J]. 雷航,童莉,平西建.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2008(05)

碩士論文
[1]基于機(jī)器學(xué)習(xí)的平面足跡起腳特征研究[D]. 孟祥雨.中國人民公安大學(xué) 2019



本文編號(hào)：2996163