[发明专利]一种基于深度学习的舌象体质辨别方法

说明书

本发明所述一种基于深度学习的舌象体质辨别方法部署在移动终端，方便用户随时随地识别舌象图像。本发明方法采用卷积神经网络算法，对舌图像进行了同类增强和混类增强两种方法组合的方式对舌象数据集进行数据增强。使得模型能够适应各种环境下的舌象数据，提取的特征能够直接输出分类结果，计算量大大减少且泛化能力更强。

技术领域

本发明涉及图像领域，尤其涉及一种基于深度学习的舌象体质辨别方法。

背景技术

现阶段利用机器学习、深度学习等人工智能技术进行图像识别已经趋于成熟。有些学者通过收集大量的带有体质标签的舌图像建立舌图像数据库，并设计算法将舌图像与其建立的数据库进行匹配，以此达到识别的目的。考虑到传统人工提取舌象特征的复杂性以及舌头区域分割的准确性问题，深度学习因其自动提取特征的优势被应用于体质辨识中，一些学者采用卷积神经网络的各种模型来进行舌象体质辨识。这些研究虽然推动了舌诊智能化体质辨识的发展，但是也存在一些普遍的问题，第一：深度学习需要大量的数据集作为支撑，舌图像的样本数据采集具有一定难度。第二：只是简单的使用模型进行分类并没有针对模型改进优化，导致用以上方法进行体质辨识的准确率并不高。

发明内容

为解决上述问题，本申请提出了一种基于深度学习的舌象体质辨别方法，具体为一种基于改进卷积神经网络GoogleNet模型的舌象图像识别方法，在采集到的舌象图像数据集的基础上使用该方法进行体质辨识，本申请的主要贡献有：构建了带有体质标签的舌象数据集，通过添加批量归一化操作、改进优化Inception模块、添加注意力机制以及不同Inception结构组合使用等方法，提出一种适用于舌象体质辨识的GoogleNet网络模型(TCR-GoogleNet)。设计了消融实验验证各个改进模块对预测精度的贡献程度，并与5种图像分类的主流网络设计了对比实验，证明了本申请提出的模型在准确率和稳定性上都有较大的提升。

本发明实施例提供了如下技术方案：

基于深度学习的舌象体质辨别方法，所述方法部署在移动终端，所述方法包括：

获取待识别的舌象图像，使用训练好的改进的卷积神经网络GoogleNet模型对待识别的舌象图像进行识别，得到舌象的识别结果；

将舌象图像的识别结果在移动终端进行展示；

其中，改进的卷积神经网络GoogleNet模型的训练过如下：

获取舌象图像数据集，对舌象图像数据集进行增强处理得到舌象训练数据集，其中，增强处理包括同类增强和混类增强两种方式；

使用舌象训练数据集对改进的卷积神经网络GoogleNet模型进行训练，得到训练好的改进的卷积神经网络GoogleNet模型；

其中，改进的卷积神经网络GoogleNet模型改进部分包括：

模型的每一中间层做了标准化处理，有效避免了梯度消失和梯度爆炸，加快了网络收敛速度，优化了网络结构；

残差融入到Inception结构中，对Inception结构进行了改进优化，将输入特征与Inception结构输出的特征进行了特征融合，命名为Inception B；

将Inception模块中的3ⅹ3卷积分支分解为1ⅹ3和3ⅹ1卷积，将5ⅹ5卷积分解为3ⅹ3卷积和1ⅹ3，3ⅹ1卷积，并在每个分支后加入了Batch Normalization，有效减少了模型的参数量，命名为Inception C；