基于深度学习与泰勒展开的吸毒成瘾者识别

本文旨在利用深度学习方法通过面部图像以及抽象特征中的局部信息对吸毒成瘾者的成瘾程度和社区矫正时间进行识别。本文提出了一个基于泰勒展开式的神经网络模型，以深度残差网络作为主干网络，并嵌入泰勒特征图，使模型的训练时间减少、特征提取更加准确从而达到实时性的目标。实验过程中先对ResNet18进行预训练，再对嵌入的泰勒特征模式进行微调，网络末端通过全连接层与Softmax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。此方法对于吸毒成瘾程度的识别准确度达到80.35％，对于社区矫正时间的识别准确率达到59.31%，该模型性能得到有效提升。