基于改进残差网络和数据增强的鞋型识别算法

来源：电子测量技术杂志2021年第19期北京时间：

作者：张家钧，唐云祁，杨智雄

单位：中国人民公安大学侦查学院 北京 100038

摘要：在监控视频中搜索犯罪现场出现的嫌疑鞋型是目前侦破案件的重要手段，针对该手段自动化程度低、人工筛选易漏查等问题，提出一种基于改进深度残差网络和数据增强的鞋型识别算法。为增强网络特征提取能力，对深度残差网络进行了研究，在不增加任何参数量的前提下改进瓶颈结构，提升算法精度；针对瓶颈结构中下采样操作存在的问题，改进下采样模块，缓解网络下采样时信息丢失问题；引入Mixup和光学变换数据增强算法，建立数据之间的线性关系，丰富数据的多样性，进而增强网络模型的鲁棒性；最后，采取中心损失函数和Softmax损失函数联合训练的方法，使训练数据达到更好的聚类效果。为验证所提算法的有效性和实用性，在多背景鞋型数据集上对所提算法进行测试，测试结果表明，所提算法mAP、Rank-1精度分别达到66.83%、86.77%，可以有效提高网络识别精度。

关键词：鞋型识别;残差网络;瓶颈结构;Mixup算法;中心损失函数

基金资助：公安部技术研究计划项目(No.2020JSYJC21)、中央高校基本科研业务费项目（No.2021JKF203）、上海市现场物证重点实验室开放课题基金资助（2021XCWZK04）资助