基于深度学习的赤足迹性别自动分析研究

摘要：

将深度学习方法引入足迹分析领域,以二分类的性别分析作为开端,对深度学习方法在赤足迹分析方面的应用进行研究尝试,旨在为足迹分析领域探索新的思路和方法.应用深度学习Caffe平台下的AlexNet卷积神经网络对男女性赤足图像进行训练和测试,通过设置合适的网络参数,利用误差反向传播和梯度下降算法,不断迭代更新权重和偏置,得到最终的分析模型及模型分析准确率.随迭代次数增加,各数据集网络模型迅速收敛,10组数据集训练所得最终性别分析模型平均准确率为92.2％.该方法对性别分析的准确率高于人工分析的准确率,对赤足图像进行性别分析有较好的效果.

关键词：赤足图像、深度学习、神经网络、性别分析

分类号：D918.3(法学各部门)

在线出版日期：2018-07-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：97-99