Resumen

En los últimos años, la tasa de éxito en la resolución de casos criminales importantes a través de big data ha mejorado significativamente. El análisis de big data multimodal juega un papel clave en la detección de sospechosos. Sin embargo, los métodos tradicionales de fusión de imágenes multiexposición tienen una eficiencia baja y son en gran medida consumidores de tiempo debido al efecto de artefactos en el borde de la imagen y otros factores sensibles. Por lo tanto, este artículo se centra en la fusión de imágenes de sospechosos de multiexposición. La red neuronal de auto-codificación basada en aprendizaje profundo se ha convertido en un tema candente en la investigación de reducción de dimensiones de datos, lo que puede eliminar de manera efectiva los datos de aprendizaje irrelevantes y redundantes. En el caso de una profundidad de campo limitada, debido a la limitada profundidad de enfoque de la cámara, el plano de enfoque no puede obtener la imagen clara global del objetivo en la escena de profundidad, lo que es propenso a fenómenos

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Datos grandes; Multimodal; Fusión de imágenes; Aprendizaje profundo; Red neuronal; Multifoco
• Keywords:Big data; Multimodal; Image fusion; Deep learning; Neural network; Multifocus