中国人民公安大学刑事科学技术学院, 北京 100038
提出基于卷积神经网络(CNN)的手写变造数字检测方法,为变造文件鉴定提供智能化解决方案。实验召集50名志愿者,采集50种不同品牌型号中性笔,形成6类变造笔迹和正常笔迹图像样本,建立了共计7200余份的样本数据。在AlexNet基础上引入Fire Module结构,提出基于变造数字检测的卷积神经网络(FNNet),以1×1卷积核代替部分3×3卷积核,实行卷积层组装来检测变造样本。实验结果表明,FNNet在6类手写变造数字中的平均测试准确率达98.36%,比AlexNet高3.01个百分点。所提方法优于传统特征分类器,为变造笔迹鉴定提供了一种新的方法。
图像处理 变造文件鉴定 变造数字检测 卷积神经网络 激光与光电子学进展
2020, 57(22): 221019
