[发明专利]一种基于多任务卷积神经网络的舌象分类方法

摘要

一种基于多任务卷积神经网络的舌象分类方法，包括对采集到的舌象进行一系列预处理的图像操作、用于舌整体特征提取的深度卷积神经网络、用于对舌面标签进行检测的感兴趣区域定位网络、用于深度学习和训练识别的多任务深度卷积神经网络，完成对舌象舌色、苔色、苔质的厚薄、腐腻、润燥属性的标签分类。本发明有效的解决了现有方法不能对舌象舌色、苔色、苔质的厚薄、腐腻、润燥等多个属性进行同时识别的多分类问题。

主权项

一种基于多任务卷积神经网络的舌象分类方法，其特征在于：包括对采集到的舌象进行一系列预处理的图像操作；包括用于舌整体特征提取的深度卷积神经网络、包括用于对舌面标签进行检测的感兴趣区域定位网络、用于深度学习和训练识别的多任务深度卷积神经网络，完成对舌象舌色、苔色、苔质的厚薄、腐腻、润燥属性的标签分类；所述的对采集到的舌象进行一系列预处理的图像操作包括颜色校正、舌体分割、阴影区域去除在内的三个预处理操作，对自然环境下得到的舌象进行较好的校正，满足后续识别的要求；所述的用于舌整体特征提取的深度卷积神经网络，作为多任务卷积神经网络的基础网络，共分为五层，由卷积层、激活层和池化层交替构成的深度结构，隐式地从给定的舌像数据中进行无监督学习，避免了人工进行显式的特征提取；所述的用于对舌面标签进行定位的感兴趣区域提取网络，即RPN网络，对舌面上不同属性对应的区域进行检测和划分，用于下一阶段网络的分类训练；所述的用于深度学习和训练识别的多任务深度卷积神经网络，由全连接层组成，对上一阶段得到的各类标签候选区域进行深层特征提取，输入区域在网络中进行层层映射，得到不同的表示形式，提取其抽象特征，从而实现对舌象的深度表示。