申请/专利权人:华南理工大学
申请日:2023-12-12
公开(公告)日:2024-02-13
公开(公告)号:CN117558054A
主分类号:G06V40/16
分类号:G06V40/16;G06V10/44;G06V10/82;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.03.01#实质审查的生效;2024.02.13#公开
摘要:本发明涉及图像处理技术领域,具体涉及一种混沌变换类MLP网络的多输入体质识别方法,该方法包括S1数据采集与处理、S2构建混沌变换类MLP网络架构、S3关键部位特征提取与融合以及S4多标签中心认知引力损失,该方法能够利用混沌变换类MLP网络Chaos‑MLP模型提取面部图像和舌头图像对应关键部位的深度特征,通过多标签中心认知引力损失来优化融合面部和舌头的关键部位特征能有效提高兼夹体质识别的准确性和可解释性。
主权项:1.一种混沌变换类MLP网络的多输入体质识别方法,其特征在于该方法包括以下步骤,S1,数据采集与处理:采集面部和舌头图像,以及标注体质标签并构建用于深度模型训练和测试的数据集;S2,构建混沌变换类MLP网络架构:利用多阶段的混沌变换MLP层、可学习Channel-FC层和Token-FC层来提取面部图像和舌头图像关键部位的深层特征;S3,关键部位特征提取与融合:将提取的面部图像和舌头图像的关键部位特征进行融合,并映射到对应的体质类型空间,获得预测的体质类型向量;S4,多标签中心认知引力损失:计算预测的面部图像和舌头图像的体质类型向量与真实的面部图像和舌头图像的体质类型向量之间的中心认知引力损失,并将其用于混沌变换类MLP网络模型的训练。
全文数据:
权利要求:
百度查询: 华南理工大学 一种混沌变换类MLP网络的多输入体质识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。