摘要: |
本文提出一种使用PCA和线性判别器的神经网络模型,利用深度学习方法通过面部图像及抽象特征中的局部信息识别吸毒成瘾者的成瘾程度和社区矫正时间。首先对主干网络ResNet50进行预训练;再使用PCA降低特征数、Fisher判别器进行预判,从而使模型的训练时间减少、特征提取更加准确和快捷;最后网络末端通过全连接层与SVM函数的组合进行分类,随机梯度下降的优化目标采用了交叉熵损失。实验表面,此方法对于吸毒成瘾程度的识别准确度可达81.74%,对于社区矫正时间的识别准确率可达60.59%。 |
关键词: 深度学习 神经网络 PCA Fisher判别器 |
DOI:10.3969/j.issn.1005-9490.2023.01.020 |
|
基金项目:国家自然科学基金资助项目(62076215);江苏省高等学校自然科学研究重大项目资助(19KJA110002) |
|
|
|
() |
Abstract: |
|
Key words: |