深度学习在笔迹鉴定中的应用研究
发布时间:2023-12-27 19:34
传统笔迹鉴定起源于"经验性"累积,科学基础尚需证实与加强,在司法实践中经常出现争议。对此,引入基于深度学习的目标检测算法,提出一种应用深度学习技术实现对笔迹识别的设计方案。实现过程中,建立并优化了全连接神经网络模型,并将模型移植到ROS(Robot Operating System)机器人系统上,实现了对手写体数字的识别应用。以MNIST数据集作为模拟检材,对手写体数字的识别正确率可达98.32%。证明深度学习技术可以有效挖掘图像信息,是替代传统"经验性"文件鉴定的手段,对拓宽法医学、鉴定科学研究方法具有启发意义和应用参考价值。
【文章页数】:5 页
【文章目录】:
1 Tensor Flow深度学习框架
2 建立神经网络模型
2.1 建模思路
2.2 MNIST数据集
2.3 Softmax回归模型
2.4 建立神经网络模型
3 模型训练及优化
3.1 网络结构优化
3.2 模型其他参数优化
4 应用结果分析
4.1 运行平台
4.2 ROS中的Tensor Flow使用
4.3 运行结果
4.4 实际应用展望
5 结论
本文编号:3875770
【文章页数】:5 页
【文章目录】:
1 Tensor Flow深度学习框架
2 建立神经网络模型
2.1 建模思路
2.2 MNIST数据集
2.3 Softmax回归模型
2.4 建立神经网络模型
3 模型训练及优化
3.1 网络结构优化
3.2 模型其他参数优化
4 应用结果分析
4.1 运行平台
4.2 ROS中的Tensor Flow使用
4.3 运行结果
4.4 实际应用展望
5 结论
本文编号:3875770
本文链接:https://www.wllwen.com/shekelunwen/gongan/3875770.html