基于多任务卷积神经网络的舌象分类研究

摘要：

针对现有技术难以并行实现舌象多标签的高效分类和识别,难以利用标签间的相关性进行综合分析等问题,提出了一种基于多任务卷积神经网络的舌象分类方法,构建了一种多任务联合学习模型,尝试实现传统中医舌诊中对舌色、苔色、裂纹和齿痕等多个标签的同时辨识.首先,在共享网络层对所有标签进行联合学习,从特征提取的角度自动挖掘和利用标签间的相关性;然后,在不同子网络层分别完成特定类别的学习任务,从而消除多标签分类中的歧义性;最后,训练多个Softmax分类器以实现对所有标签的并行预测.研究表明,所提方法能以端到端的方式同时提取舌象的多个特征并直接进行分类识别,在各分类评价指标上的最低值约为0 .96 ,多任务的总体识别时间为34 ms ,因此该方法在精度和速度上均具有明显优势.

关键词：舌象分类、多标签、多任务网络、相关性、迁移学习

所属期刊栏目：45

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金:基于物联网技术的生物式临震预测关键技术研究61379078

在线出版日期：2019-01-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：255-261