基于深度学习算法的烈性犬检测提醒系统

近些年来烈性犬伤人事件屡有发生,通过犬类识别对烈性犬伤人事件进行提前预警成为了当下人工智能的一个研究方向。犬类识别属于深度学习细粒度图像分类的一个典型任务,相比通常的猫狗种类识别等粗颗粒图像识别存在识别率低等技术难题,本文通过人工神经网络扩充训练集、尝试多种卷积神经网络等方式提升了犬类的识别率,并采用其中一种算法成功识别出烈性犬,从而将针对烈性犬伤人事件从“事后追责”变成“提前预警”。本文中的扩充数据集采用普通卷积神经网时有效率为8.299%,采用迁移学习VCG16[1]准确率提升至81.3423%,采用ResNet准确率提升至89.6542%。

烈性犬伤人及其饲养人的责任追究

现阶段我国烈性犬伤人现象多发,但是对于此类现象目前只存在民事领域和行政领域的相关规制和惩罚。这种法律规制网络的结构性缺失,使得大部分致人伤亡的烈性犬饲养人只需承担民事侵权责任和行政处罚。构建针对此类行为的刑事规制和制裁,可以对饲养人产生震慑,抑制违法饲养行为,也可以完善我国针对烈性犬伤人现象的法律规制网络和惩罚体系。要根据烈性犬伤人现象的不同表达,分别依据过失致人重伤罪、过失致人死亡罪,以及以危险方法危害公共安全罪对饲养者进行定罪量刑。

新型烈性犬保定器械的研制与成功经验分析

如何有效的控制烈性犬在预防免疫、检查与治疗过程中的攻击性行为,历来就是宠物门诊中的难题。理想的保定器械应具备安全、牢靠、使用简便、便于消毒、不损伤犬本身、多次重复使用时犬接受率高、能够得到犬主人的认可等一系列的优点。常规的保定方法众多,但在实际使用过程中,尤其是当面对攻击性、敏感性较强的犬时,效果往往不甚理想,无法达到保定预期的目的。实践中存在的问题,对烈性犬的保定器械制作提出了更高的要求。这就促使我们不得不在总结前人和自身实践的经验与教训的基础上,不断创新,设计和研制出正真实用的新型烈性犬保定器械。经过三年的努力研究与实践,先后制作了七种不同的保定器械,终于在第七次实践中,成功研制了靠墙保定式特制脱卸摇门套件,并在使用过程中取得了令人满意的效果。

“恶狗伤人”应入刑

近一段时间，各地频发恶狗咬人事件。为此，有专家表示，烈性犬伤人现象暴露法律短板，建议应当入刑。