通过基于 AI 的分割增强血迹分析：利用 Segment Anything Model 辅助犯罪现场调查
计算机视觉与模式识别
2023-08-29 v1 人工智能
摘要
血迹形态分析通过研究独特的血迹模式为犯罪现场调查提供有价值的信息，起着关键作用。传统的图像分析方法，如阈值法和对比度法，对图像背景有严格要求，并且在血滴图像分割方面劳动密集。Segment Anything Model（SAM）这一近期提出的用于广泛图像识别的方法，其在血迹图像分割上的准确性与效率尚待充分评估。本文探索了预训练 SAM 与微调 SAM 在多样图像背景下的血迹图像分割应用。实验结果表明，预训练与微调 SAM 均以令人满意的准确率和效率完成血迹图像分割任务，而微调 SAM 相比预训练 SAM 取得了整体 2.2% 的准确率提升，以及在图像识别速度上 4.70% 的加速。我们对影响血迹识别的因素进行了分析。本研究展示了 SAM 在血迹图像分割上的潜在应用，体现了人工智能在犯罪学研究中的有效性。我们在 \url{https://github.com/Zdong104/Bloodstain_Analysis_Ai_Tool} 发布了所有代码与演示。
引用
@article{arxiv.2308.13979,
title = {Enhancing Bloodstain Analysis Through AI-Based Segmentation: Leveraging Segment Anything Model for Crime Scene Investigation},
author = {Zihan Dong and ZhengDong Zhang},
journal= {arXiv preprint arXiv:2308.13979},
year = {2023}
}
备注
KDD2023 Workshop