基于深度學(xué)習(xí)的刑偵現(xiàn)勘圖像檢索研究
發(fā)布時間:2024-01-20 17:51
隨著我國信息技術(shù)的快速發(fā)展,大量刑偵現(xiàn)勘圖像被采集用于現(xiàn)代化案件偵破中,這些圖像不僅包含許多有價值的線索,還可以提供有力的證據(jù)。目前,面向公安偵查應(yīng)用的刑偵現(xiàn)勘圖像檢索多使用基于文本或傳統(tǒng)淺層特征的圖像檢索方法,檢索的準(zhǔn)確率和效率都難以滿足現(xiàn)代化刑偵辦案的需求。本文對目前圖像檢索領(lǐng)域的研究成果和技術(shù)進(jìn)行總結(jié)分析后,采用基于深度特征的圖像檢索方法,以提升刑偵現(xiàn)勘圖像檢索的準(zhǔn)確率和效率。主要研究內(nèi)容如下:(1)在基于深度特征的圖像檢索中,使用刑偵現(xiàn)勘圖像數(shù)據(jù)集對VGGNet以及Res Net進(jìn)行微調(diào)后,提取圖像深度特征進(jìn)行檢索實驗。實驗結(jié)果表明,檢索模型存在以下兩點不足:模型無法適應(yīng)目標(biāo)尺度變化;在樣本較少的類別中檢索準(zhǔn)確率低于平均值。針對以上問題提出兩點優(yōu)化:引入金字塔池化以提升模型對目標(biāo)尺度變化的魯棒性;對數(shù)據(jù)樣本增強(qiáng)后重新訓(xùn)練網(wǎng)絡(luò),使模型對不同類別樣本的檢索準(zhǔn)確率更加均衡。另外,在檢索時引入查詢擴(kuò)展增強(qiáng)了圖像特征的表達(dá)能力。使用以上優(yōu)化方法后,檢索準(zhǔn)確率提升了5.7%。(2)針對海量圖像樣本中高維特征向量的檢索效率問題,提出了一種多級索引的檢索方法,將圖像的表達(dá)使用卷積神經(jīng)網(wǎng)絡(luò)抽象成...
【文章頁數(shù)】:66 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 刑偵現(xiàn)勘圖像檢索背景
1.2 圖像檢索技術(shù)研究現(xiàn)狀
1.2.1 基于文本的圖像檢索
1.2.2 基于淺層特征的圖像檢索
1.2.3 基于深度特征的圖像檢索
1.3 主要研究內(nèi)容
1.4 論文的章節(jié)安排
2 相關(guān)理論技術(shù)
2.1 基于深度特征的圖像檢索概述
2.1.1 圖像特征提取
2.1.2 相似性度量
2.1.3 檢索評價指標(biāo)
2.2 深度學(xué)習(xí)相關(guān)理論
2.2.1 卷積與池化
2.2.2 激活函數(shù)
2.2.3 Dropout
2.2.4 梯度下降與反向傳播
2.3 TensorFlow框架
2.3.1 TensorFlow架構(gòu)
2.3.2 計算圖
2.3.3 Session
2.4 本章小結(jié)
3 基于深度特征的圖像檢索研究
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 查詢擴(kuò)展
3.3 樣本增強(qiáng)與模型訓(xùn)練
3.3.1 刑偵現(xiàn)勘數(shù)據(jù)樣本處理
3.3.2 網(wǎng)絡(luò)訓(xùn)練
3.4 實驗分析
3.4.1 實驗環(huán)境與測試數(shù)據(jù)
3.4.2 實驗結(jié)果
3.5 本章小結(jié)
4 圖像檢索加速方法研究
4.1 使用索引的檢索方法
4.1.1 近似最近鄰的搜索策略
4.1.2 有監(jiān)督哈希圖像編碼
4.2 基于神經(jīng)網(wǎng)絡(luò)的哈希編碼學(xué)習(xí)
4.2.1 網(wǎng)絡(luò)結(jié)構(gòu)
4.2.2 特征提取與編碼
4.3 多級索引檢索
4.3.1 倒排索引
4.3.2 搜索重排序
4.3.3 檢索算法實現(xiàn)
4.4 實驗分析
4.5 本章小結(jié)
5 系統(tǒng)設(shè)計與實現(xiàn)
5.1 需求分析
5.2 系統(tǒng)設(shè)計
5.2.1 檢索服務(wù)
5.2.2 系統(tǒng)功能及模塊設(shè)計
5.2.3 數(shù)據(jù)庫設(shè)計
5.3 系統(tǒng)實現(xiàn)
5.4 本章小結(jié)
6 總結(jié)與展望
6.1 本文工作總結(jié)
6.2 未來工作展望
參考文獻(xiàn)
致謝
本文編號:3881284
【文章頁數(shù)】:66 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 刑偵現(xiàn)勘圖像檢索背景
1.2 圖像檢索技術(shù)研究現(xiàn)狀
1.2.1 基于文本的圖像檢索
1.2.2 基于淺層特征的圖像檢索
1.2.3 基于深度特征的圖像檢索
1.3 主要研究內(nèi)容
1.4 論文的章節(jié)安排
2 相關(guān)理論技術(shù)
2.1 基于深度特征的圖像檢索概述
2.1.1 圖像特征提取
2.1.2 相似性度量
2.1.3 檢索評價指標(biāo)
2.2 深度學(xué)習(xí)相關(guān)理論
2.2.1 卷積與池化
2.2.2 激活函數(shù)
2.2.3 Dropout
2.2.4 梯度下降與反向傳播
2.3 TensorFlow框架
2.3.1 TensorFlow架構(gòu)
2.3.2 計算圖
2.3.3 Session
2.4 本章小結(jié)
3 基于深度特征的圖像檢索研究
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 查詢擴(kuò)展
3.3 樣本增強(qiáng)與模型訓(xùn)練
3.3.1 刑偵現(xiàn)勘數(shù)據(jù)樣本處理
3.3.2 網(wǎng)絡(luò)訓(xùn)練
3.4 實驗分析
3.4.1 實驗環(huán)境與測試數(shù)據(jù)
3.4.2 實驗結(jié)果
3.5 本章小結(jié)
4 圖像檢索加速方法研究
4.1 使用索引的檢索方法
4.1.1 近似最近鄰的搜索策略
4.1.2 有監(jiān)督哈希圖像編碼
4.2 基于神經(jīng)網(wǎng)絡(luò)的哈希編碼學(xué)習(xí)
4.2.1 網(wǎng)絡(luò)結(jié)構(gòu)
4.2.2 特征提取與編碼
4.3 多級索引檢索
4.3.1 倒排索引
4.3.2 搜索重排序
4.3.3 檢索算法實現(xiàn)
4.4 實驗分析
4.5 本章小結(jié)
5 系統(tǒng)設(shè)計與實現(xiàn)
5.1 需求分析
5.2 系統(tǒng)設(shè)計
5.2.1 檢索服務(wù)
5.2.2 系統(tǒng)功能及模塊設(shè)計
5.2.3 數(shù)據(jù)庫設(shè)計
5.3 系統(tǒng)實現(xiàn)
5.4 本章小結(jié)
6 總結(jié)與展望
6.1 本文工作總結(jié)
6.2 未來工作展望
參考文獻(xiàn)
致謝
本文編號:3881284
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3881284.html
最近更新
教材專著