卷积神经网络在物证检验中的应用与毛发自动识别的展望

随着近年来人工智能的迅速发展,机器学习在各领域的应用愈发广泛。对卷积神经网络及其近年来在物证检验领域取得的研究成果与进展进行综述;同时对其在毛发物证检验中的应用进行设想与展望。首先介绍卷积神经网络的结构与基本原理;其次对卷积神经网络的优缺点进行了总结,对卷积神经网络在人脸识别、笔迹识别、音频识别、步态识别等领域的应用与发展历程进行了综述;最后阐述了目前对于卷积神经网络应用于物证检验领域中毛发的无损检验这一新领域进行可行性分析。

基于改进卷积神经网络的毛发显微图像自动分类

利用卷积神经网络对毛发物证显微图像进行自动分类,为进一步提高显微检验技术的自动化程度和毛发物证检验提供技术参考。采用徕卡DVM6数码显微镜在1400倍放大条件下采集6类毛发共60000张样本图像,构建毛发分类数据集。基于卷积神经网络搭建Hair-Net模型,通过该模型对毛发分类数据集进行样本训练和测试验证。实验研究表明,经过参数调试和优化手段的改进后,新的Hair-Net分类精度最高可达97.82%,成功实现了毛发物证显微图像的自动分类,增强了稳健性。