用于法医鞋印描述符识别的深度多标签卷积神经网络
计算机视觉与模式识别
2021-02-11 v1
摘要
近年来深度神经网络已成为计算机视觉的主力。本文中，我们采用深度学习方法对用于法医用途的鞋印特征（称为描述符）进行分类。在此过程中，我们开发并评估了一种有效技术，将下采样的灰度鞋印输入到在不同领域数据上预训练的神经网络中。我们的方法依赖于可学习的预处理层与并行使用的多种插值方法相结合。我们通过实验表明，该技术优于不使用可学习预处理的单一插值图像，并可通过更高效利用低分辨率输入，避免与高分辨率输入相关的计算开销。我们还研究了保持输入长宽比的效果，相较于拉伸的矩形图像，这在不增加计算预算的情况下显著提升了准确率。最后，我们提出了一套针对灰度输入迁移学习的最佳实践，可能广泛适用于从鞋印分类到医学影像的计算机视觉任务。
引用
@article{arxiv.2102.05090,
title = {Deep Multilabel CNN for Forensic Footwear Impression Descriptor Identification},
author = {Marcin Budka and Akanda Wahid Ul Ashraf and Scott Neville and Alun Mackrill and Matthew Bennett},
journal= {arXiv preprint arXiv:2102.05090},
year = {2021}
}