[发明专利]一种基于自监督和终身学习的非接触式多模态生理信号检测方法在审
| 申请号： | 202211237380.1 | 申请日： | 2022-10-10 |
| 公开（公告）号： | CN115497143A | 公开（公告）日： | 2022-12-20 |
| 发明（设计）人： | 张新宇;孙维宇;陈颖 | 申请（专利权）人： | 南京大学 |
| 主分类号： | G06V40/16 | 分类号： | G06V40/16;G06V40/70;G06V10/74;G06V10/774;G06V10/82;G06N3/04;G06N3/08;A61B5/024;A61B5/16 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 210023 江苏省南京市栖霞*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出了一种基于自监督和终身学习的非接触式多模态生理信号检测方法。该方法使用基于知识蒸馏的自监督学习策略，充分利用了信号的自相似性先验，在完全不使用监督标签的情况下与同时期的监督模型相比鲁棒性更强，解决了监督标签带来的波形形状、不确定性时延的影响以及标注成本高导致训练数据集规模小的问题。通过下游任务的微调，能够实现心率、心率变异性，疲劳度等高置信度多模态生理信号输出。本发明提出的方法通过使用PC(Personal Computer，个人计算机)端基于自监督预训练与边缘计算平台基于终身学习微调相结合的分布式策略，充分均衡了边缘计算平台的算力，将用户在线输入的数据视为第二任务，基于终身学习算法提高模型在预训练离线大数据集和用户在线输入小数据集上的多任务性能。通过无标签终身学习微调能够让模型快速适应不同用户输入，针对不同环境提高模型的抗噪性能，实现了对不同用户非接触式多模态生理信号检测精度的进一步提升。 | ||
| 搜索关键词： | 一种 基于 监督 终身 学习 接触 式多模态 生理 信号 检测 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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南京大学，未经南京大学许可，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/patent/202211237380.1/，转载请声明来源钻瓜专利网。
