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

Inventor： 卓力 ,  李艳萍 ,  孙亮亮 ,  张雷 ,  张菁 ,  李晓光 ,  张辉

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

Inventor： 卓力 ,  李艳萍 ,  孙亮亮 ,  张雷 ,  张菁 ,  李晓光 ,  张辉

IPC: G06K9/62 ,  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：CN115457310A

公开(公告)日：2022-12-09

申请号：CN202211009174.5

申请日：2022-08-22

Applicant: 北京工业大学

Inventor： 卓力 ,  张雷 ,  贾童瑶 ,  李艳萍 ,  张辉 ,  李晓光

IPC: G06V10/764 ,  G06V10/56 ,  G06V10/82

Abstract: 本发明公开了一种基于元学习的中医舌色域自适应分类方法，包括构建源域和目标域舌色分类数据集、基于元学习的源域舌色分类网络训练、目标域网络模型微调与高质量伪标签生成、目标域舌色分类模型训练。使用ResNet18作为分类骨干网络，利用源域的有标注数据构建元训练和元测试任务；使用目标域少量标注样本对源域预训练的模型进行微调。利用微调后的模型对目标域的未标注数据进行分类，将分类预测结果作为伪标签。挑选出高质量的伪标签，作为标注数据，对目标域的分类模型进行微调，得到目标域的舌色分类模型，得到一个高精度的目标域舌色分类模型。本方法大大减少了模型的参数量，使模型易于训练和使用，具有良好的实际应用价值。