一种笔迹鉴定的方法，该资源引用别人的专利，只允许学习不得进行随意传播

提出基于卷积神经网络(CNN)的手写变造数字检测方法,为变造文件鉴定提供智能化解决方案。实验召集50名志愿者,采集50种不同品牌型号中性笔,形成6类变造笔迹和正常笔迹图像样本,建立了共计7200余份的样本数据。在AlexNet基础上引入Fire Module结构,提出基于变造数字检测的卷积神经网络(FNNet),以1×1卷积核代替部分3×3卷积核,实行卷积层组装来检测变造样本。实验结果表明,FNNet在6类手写变造数字中的平均测试准确率达98.36%,比AlexNet高3.01个百分点。所提方法

传统笔迹鉴定起源于“经验性”累积，科学基础尚需证实与加强，在司法实践中经常出现争议。对此，引入基于深度学习的目标检测算法，提出一种应用深度学习技术实现对笔迹识别的设计方案。实现过程中，建立并优化了全连接神经网络模型，并将模型移植到ROS(Robot Operating System）机器人系统上，实现了对手写体数字的识别应用。以MNIST数据集作为模拟检材，对手写体数字的识别正确率可达98.32%。证明深度学习技术可以有效挖掘图像信息，是替代传统“经验性”文件鉴定的手段，对拓宽法医学、鉴定科学研