Многогрупповая классификация следов бойков с помощью полносвязной нейронной сети

В данной статье рассматривается проблема классификации изображений следов бойков с помощью полносвязной нейронной сети. Целью данной работы являлось исследование эффективности применения клоновых изображений следов бойков с измененными в допустимых пределах признаками для повышения качества обучения полносвязных нейронных сетей, а также оценка точности многогрупповой классификации следов бойков по экземплярам оружия с помощью такой сети. Научная новизна заключается в аугментации обучающей выборки изображений следов бойков огнестрельного оружия путем внесения в соответствии с прогнозируемой вариативностью индивидуальных признаков пространственных и яркостных искажений исходных изображений, достаточных для расширения признакового пространства, но не приводящих к дополнительному смешиванию классов и, за счет этого, повышения эффективности обучения ПНС. Проведенные исследования показали, что точность классификации анализируемых объектов достигает порядка 84% в случае фиксированного значения классифицирующего критерия и 94–98% при классификации по трем наибольшим сигналам на выходных нейронах. Работа представляет интерес для разработчиков программного обеспечения автоматизированных баллистических идентификационных систем.