-
公开(公告)号：CN114022494A
公开(公告)日：2022-02-08
申请号：CN202111343973.1
申请日：2021-11-14
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于轻型卷积神经网络和知识蒸馏的中医舌图像自动分割方法，设计了一种轻型密集连接卷积模块，并利用该模块构建轻型舌图像分割网络；利用舌图像分割数据集训练网络，并采用知识蒸馏的方法增强网络的准确性和鲁棒性，得到分割网络模型。具体包括以下步骤：舌图像分割数据集的构建；轻型舌图像分割网络的设计；基于知识蒸馏的轻型舌图像分割网络的训练。与现有技术相比本发明模型参数小、分割速度快。采用了知识蒸馏的训练方法，提出的分割网络在分割精度和鲁棒性方面都获得与教师模型可以比较的结果，满足实际应用的需求。
-
公开(公告)号：CN114037011B
公开(公告)日：2024-05-28
申请号：CN202111316442.3
申请日：2021-11-08
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/774 , G06F17/16 , G06F17/18
Abstract: 本发明公开了一种中医舌色噪声标注样本的自动识别与清洗方法，通过对比预测标签与人工标注标签的概率关系，采用两种不同的筛选策略，实现对舌色噪声标注数据的准确、自动识别与清洗。本发明将人工标注标签称为硬标签，将通过模型得到的标签预测概率称为软标签，将预测概率最大值对应的标签称为伪标签。本发明利用深度网络模型进行样本标签的预测，进而进行噪声样本的自动识别和筛选，结果更加客观、准确。另外，整个过程没有专家的参与，不需要耗费人力，同时降低了人为带来噪声的可能性，提高了噪声标注样本识别的准确率；在模型训练前进行数据集的处理，使得处理后的数据集可以适用于其他分类模型。
-
公开(公告)号：CN114037011A
公开(公告)日：2022-02-11
申请号：CN202111316442.3
申请日：2021-11-08
Applicant: 北京工业大学
Abstract: 本发明公开了一种中医舌色噪声标注样本的自动识别与清洗方法，通过对比预测标签与人工标注标签的概率关系，采用两种不同的筛选策略，实现对舌色噪声标注数据的准确、自动识别与清洗。本发明将人工标注标签称为硬标签，将通过模型得到的标签预测概率称为软标签，将预测概率最大值对应的标签称为伪标签。本发明利用深度网络模型进行样本标签的预测，进而进行噪声样本的自动识别和筛选，结果更加客观、准确。另外，整个过程没有专家的参与，不需要耗费人力，同时降低了人为带来噪声的可能性，提高了噪声标注样本识别的准确率；在模型训练前进行数据集的处理，使得处理后的数据集可以适用于其他分类模型。
-
Patent Agency Ranking
公开(公告)号：CN113011436B
公开(公告)日：2024-12-20
申请号：CN202110216858.1
申请日：2021-02-26
Applicant: 北京工业大学
IPC: G06V10/56 , G06V10/82 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/084 , G06T7/11
Abstract: 一种基于卷积神经网络的中医舌色苔色协同分类方法属于计算机视觉和中医诊断学领域。由于舌色、苔色都是利用颜色特征来进行识别，均需要对舌体区域提取颜色特征，二个任务具有相似性。该方法首先设计一个共享的深度神经网络架构，提取中医舌图像中包含的舌色苔色共有深度特征，以及舌象的特有语义特征；然后，对舌色、苔色的标签进行编码、组合，得到舌色苔色的组合标签向量；最后，设计一个深度神经网络，通过训练，建立舌色苔色共有深度特征和组合标签向量之间的映射模型。采用这样的映射方式，可以同时实现舌色、苔色两种诊察特征的识别，不仅实现简单，而且充分利用了舌色、苔色两种属性之间的内在关联关系，可以获得更高的识别准确率。
-
公开(公告)号：CN113989269A
公开(公告)日：2022-01-28
申请号：CN202111343980.1
申请日：2021-11-14
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于卷积神经网络多尺度特征融合的中医舌图像齿痕自动检测方法，以卷积神经网络VGG16作为基础网络提取特征；提出了多尺度特征融合模块和特征增强模块，分别用于对卷积神经网络的不同尺度特征进行融合，并对融合后的特征进行增强，形成4个检测层；最后采用SSD方法在这4个检测层上分别进行齿痕检测，并采用非极大值抑制方法对各个检测结果进行融合，得到最终的齿痕检测结果。本发明可以提高各检测层的特征表达能力，实现中医舌图像中齿痕的自动、准确检测，在检测精度上与传统方法相比具有明显优势，可以满足实际应用需求。本发明大大降低了网络模型的复杂度。本方法在检测精度上具有明显的优势，可以满足实际的应用需求。
-
公开(公告)号：CN113989269B
公开(公告)日：2024-04-02
申请号：CN202111343980.1
申请日：2021-11-14
Applicant: 北京工业大学
IPC: G06T7/00 , G16H30/20 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于卷积神经网络多尺度特征融合的中医舌图像齿痕自动检测方法，以卷积神经网络VGG16作为基础网络提取特征；提出了多尺度特征融合模块和特征增强模块，分别用于对卷积神经网络的不同尺度特征进行融合，并对融合后的特征进行增强，形成4个检测层；最后采用SSD方法在这4个检测层上分别进行齿痕检测，并采用非极大值抑制方法对各个检测结果进行融合，得到最终的齿痕检测结果。本发明可以提高各检测层的特征表达能力，实现中医舌图像中齿痕的自动、准确检测，在检测精度上与传统方法相比具有明显优势，可以满足实际应用需求。本发明大大降低了网络模型的复杂度。本方法在检测精度上具有明显的优势，可以满足实际的应用需求。
-
公开(公告)号：CN114022494B
公开(公告)日：2024-03-29
申请号：CN202111343973.1
申请日：2021-11-14
Applicant: 北京工业大学
IPC: G06T7/11 , G06T7/194 , G06N3/0464 , G06N3/042 , G06N3/096 , G06N3/045 , G16H30/20 , G06V10/764
Abstract: 本发明公开了一种基于轻型卷积神经网络和知识蒸馏的中医舌图像自动分割方法，设计了一种轻型密集连接卷积模块，并利用该模块构建轻型舌图像分割网络；利用舌图像分割数据集训练网络，并采用知识蒸馏的方法增强网络的准确性和鲁棒性，得到分割网络模型。具体包括以下步骤：舌图像分割数据集的构建；轻型舌图像分割网络的设计；基于知识蒸馏的轻型舌图像分割网络的训练。与现有技术相比本发明模型参数小、分割速度快。采用了知识蒸馏的训练方法，提出的分割网络在分割精度和鲁棒性方面都获得与教师模型可以比较的结果，满足实际应用的需求。
-
公开(公告)号：CN113011436A
公开(公告)日：2021-06-22
申请号：CN202110216858.1
申请日：2021-02-26
Applicant: 北京工业大学
Abstract: 一种基于卷积神经网络的中医舌色苔色协同分类方法属于计算机视觉和中医诊断学领域。由于舌色、苔色都是利用颜色特征来进行识别，均需要对舌体区域提取颜色特征，二个任务具有相似性。该方法首先设计一个共享的深度神经网络架构，提取中医舌图像中包含的舌色苔色共有深度特征，以及舌象的特有语义特征；然后，对舌色、苔色的标签进行编码、组合，得到舌色苔色的组合标签向量；最后，设计一个深度神经网络，通过训练，建立舌色苔色共有深度特征和组合标签向量之间的映射模型。采用这样的映射方式，可以同时实现舌色、苔色两种诊察特征的识别，不仅实现简单，而且充分利用了舌色、苔色两种属性之间的内在关联关系，可以获得更高的识别准确率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
