[发明专利]一种舌象特征提取方法、系统和计算机可读存储介质在审
申请号: | 201910491592.4 | 申请日: | 2019-06-06 |
公开(公告)号: | CN110378353A | 公开(公告)日: | 2019-10-25 |
发明(设计)人: | 胡将;朱龙;周常恩;于路 | 申请(专利权)人: | 杭州云秒科技有限公司 |
主分类号: | G06K9/46 | 分类号: | G06K9/46;G06N3/04;G06N3/08 |
代理公司: | 杭州华知专利事务所(普通合伙) 33235 | 代理人: | 张德宝 |
地址: | 310007 浙江省杭州*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 残差 舌象特征 舌象 计算机可读存储介质 卷积神经网络 训练样本数据 裂纹特征 网络模型 图像 提取特征 提取信息 医疗设备 有效分类 有效解决 网络 检测 填补 | ||
1.一种舌象特征提取方法,其特征在于,包括:
获取残差网络的训练样本数据;
基于所述训练样本数据,训练出能够准确判别出舌象特征的残差网络模型;
获取待提取特征的舌象图像;
采用所述残差网络模型对所述舌象图像中的舌象特征进行提取,并将提取信息进行显示。
2.根据权利要求1所述的一种舌象特征提取方法,其特征在于,基于所述训练样本数据,训练出能够准确判别出舌象特征的残差网络模型,还包括:
将所述训练样本数据输入所述残差网络的卷积层进行处理,以提取所述训练样本数据的特征值;
将所述特征值输入所述残差网络的映射层进行映射,以得到所述特征值的映射值;
根据所述映射值,并采用交叉熵损失函数确定所述训练样本数据的损失值;
采用Adam优化算法对所述损失值进行优化,训练出提取舌象特征的参数信息。
3.根据权利要求1所述的一种舌象特征提取方法,其特征在于,训练出能够准确判别出舌象特征的残差网络模型,还包括:
采用GPU加速训练出能够准确判别出舌象特征的残差网络模型。
4.根据权利要求1所述的一种舌象特征提取方法,其特征在于,获取残差网络的训练样本数据,还包括:
通过摄像头采集多个舌象样本图像;
根据各个舌象样本图像的特征进行标注以生成用于所述残差网络的训练样本数据,且每份舌象样本图像对应一个标签;
将所述训练样本数据进行存储,以供所述残差网络获取。
5.根据权利要求1所述的一种舌象特征提取方法,其特征在于,在训练出能够准确判别出舌象特征的残差网络模型之后,还包括:
获取待分类检测的舌象图像;
采用所述残差网络模型对所述舌象图像进行分类检测。
6.根据权利要求1至5任意一项所述的一种舌象特征提取方法,其特征在于,所述舌象特征为舌裂纹特征,所述舌裂纹特征包括纵形、横形、爻字形、辐射状、脑回状、鹅卵石状的一种或多种。
7.一种舌象特征提取系统,其特征在于,所述舌象特征提取系统包括:
舌象图像标记模块,用于获取残差网络的训练样本数据;
残差网络舌象特征训练模块,基于所述训练样本数据,训练出能够准确判别出舌象特征的残差网络模型;
无线终端模块,用于获取待提取特征的舌象图像;
舌象特征判别模块,采用所述残差网络模型对所述舌象图像中的舌象特征进行提取,并将提取信息进行显示。
8.根据权利要求7所述的一种舌象特征提取系统,其特征在于,基于所述训练样本数据,训练出能够准确判别出舌象特征的残差网络模型,还包括:
将所述训练样本数据输入所述残差网络的卷积层进行处理,以提取所述训练样本数据的特征值;
将所述特征值输入所述残差网络的映射层进行映射,以得到所述特征值的映射值;
根据所述映射值,并采用交叉熵损失函数确定所述训练样本数据的损失值;
采用Adam优化算法对所述损失值进行优化,训练出提取舌象特征的参数信息。
9.根据权利要求7所述的一种舌象特征提取系统,其特征在于,获取残差网络的训练样本数据,还包括:
通过摄像头采集多个舌象样本图像;
根据各个舌象样本图像的特征进行标注以生成用于所述残差网络的训练样本数据,且每份舌象样本图像对应一个标签;
将所述训练样本数据进行存储,以供所述残差网络获取。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括一种舌象特征提取方法程序,所述舌象特征提取方法程序被处理器执行时,实现如权利要求1至6中任一项所述的一种舌象特征提取方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州云秒科技有限公司,未经杭州云秒科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910491592.4/1.html,转载请声明来源钻瓜专利网。