论文部分内容阅读
马德里指纹错案的出现使得现行指纹鉴定体系不断受到挑战和质疑。以指纹二级特征的统计规律为基础的量化鉴定技术成为了新的研究难点与热点，而指纹二级特征的自动检测与分类是实现指纹二级特征自动统计的基础。本文提出一种基于YOLOv5的指纹二级特征检测方法。首先，建立指纹二级特征数据集，共包含了4000张带标注的指纹图像；根据指纹二级特征点尺寸小且分布密集的特点，对YOLOv5网络结构进行改进，删除原有的32倍下采样大目标特征检测层，新添加微小特征融合层；使用FPN、PAN和SPP结构通过多种尺度的融合方式实现了局部特征和全局特征提取；最后，添加SE通道注意力机制模块，有效增强模型的鲁棒性和密集小目标的检测能力。实验结果表明，相比于原模型，改进后YOLOv5s＿FI模型，在检测速度基本不变的情况下，m AP0.5值从93.0%提高到97.4%，且权重缩减了四分之三。