申请/专利权人：华南理工大学;杭州海康威视数字技术股份有限公司

申请日：2022-05-20

公开（公告）日：2024-03-29

公开（公告）号：CN115063843B

主分类号：G06V40/14

分类号：G06V40/14;G06V10/82;G06V10/764;G06V10/40;G06T5/30;G06T3/02;G06N3/0464;G06N3/088;H04L9/32

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2022.10.04#实质审查的生效;2022.09.16#公开

摘要：本发明公开了一种面向高自由度应用场景的掌脉数据增强及特征提取方法，包括以下步骤：S1、对训练数据的进行数据扩增，包括基于仿射变换的数据扩增、基于伽马变换的数据扩增、基于主纹理淡化算法的数据扩增、约束性数据扩增方案；在数据完成扩增后，将灰度值划分为四个灰度等级；S2、构建基于对比学习的掌脉图像特征提取网络，并对所述特征提取网络进行训练优化；S3、将图像输入训练好的基于对比学习的掌脉图像特征提取网络中进行特征提取。

主权项：1.面向高自由度应用场景的掌脉数据增强及特征提取方法，其特征在于，包括以下步骤：S1、对训练数据的进行数据扩增，包括基于仿射变换的数据扩增、基于伽马变换的数据扩增、基于主纹理淡化算法的数据扩增、约束性数据扩增；在数据完成扩增后，将灰度值划分为四个灰度等级；S2、构建基于对比学习的掌脉图像特征提取网络，并对所述特征提取网络进行训练优化；S3、将图像输入训练好的基于对比学习的掌脉图像特征提取网络中进行特征提取；基于对比学习的掌脉图像特征提取网络的目标函数为： 其中xa,xn表示负样本对，xa,xp表示正样本对，代表正样本对的相似度因子，T作为缩放因子用于控制相似度范围尺度，最终以自然常数的幂次方表示，负样本对的表示同理，最终目标则是最小化误差损失LMnce的值；对于正样本对，使用1减去相似度1-Dxa,xpα表示正样本的困难度加权值，相似度越低，则权重越大，对于困难样本的优化目标表达如下式： 其中α作为缩放因子调整权重的尺度，α0，Dxa,xnα表示相似度本身的困难度加权值。

全文数据：

权利要求：

百度查询： 华南理工大学;杭州海康威视数字技术股份有限公司 面向高自由度应用场景的掌脉数据增强及特征提取方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD