典型文献
基于全卷积自加权分类器的三维颅骨性别鉴定
文献摘要:
传统颅骨性别鉴定通常需要人为指定或者测量颅骨的几何形态指标,难以全面地提取颅骨性别特征,无法保证性别鉴定的准确率.为此,提出一种基于深度学习的颅骨性别鉴定方法,用三通道的二维图像表示三维颅骨数据,解决了神经网络难以有效处理拓扑复杂的三维颅骨模型的问题;设计了专用的全卷积自加权分类器,分别判别颅骨的不同部位;加入权值网络和patch自加权损失,提升了颅骨性别鉴定的准确率.与文献中的颅骨性别鉴定方法和经典分类网络的对比实验结果表明,本文方法鉴定结果准确率较高(完整颅骨鉴别准确率98.30%,缺损颅骨鉴别准确率98.98%).
文献关键词:
三维颅骨;性别鉴定;深度学习;全卷积网络;分类网络
中图分类号:
作者姓名:
张念凯;乔学军;热孜万古丽·夏米西丁;赵俊莉
作者机构:
青岛大学计算机科学技术学院,青岛266071;西安建筑科技大学理学院,西安710055;新疆师范大学计算机科学技术学院,乌鲁木齐830054
文献出处:
引用格式:
[1]张念凯;乔学军;热孜万古丽·夏米西丁;赵俊莉-.基于全卷积自加权分类器的三维颅骨性别鉴定)[J].青岛大学学报(自然科学版),2022(03):9-15
A类:
三维颅骨
B类:
分类器,性别鉴定,几何形态,形态指标,性别特征,鉴定方法,三通道,二维图像,不同部位,权值网络,patch,加权损失,分类网络,全卷积网络
AB值:
0.206604
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。