【技术实现步骤摘要】
一种基于轻量级联神经网络的舌像检测及定位算法
本专利技术涉及图像检测算法
，具体涉及一种基于轻量级联神经网络的舌像检测及定位算法。
技术介绍
舌诊是传统中医的重要诊断方法之一。近年来，随着图像处理和机器学习技术的发展，计算机舌诊系统的研究受到越来越广泛的关注。完整的计算机舌诊系统分为舌象采集、舌体分割和舌象识别分析三部分，并利用图像处理和机器学习相关技术完成对舌象信息的识别和分类，最终得到诊断结果。完整的计算机舌诊系统一般分为舌象采集，舌象分割和舌象特征识别与分析三部分，并利用图像处理和模式识别技术完成对舌象信息的识别和分析。研究者侧重于舌诊的定量和标准化，他们建议用标准舌头图像设备捕获规范的舌头图像，以减少环境因素的影响，如照明条件的差异、舌头的位置和图像的大小。虽然，恒定照明和固定位置可降低后续舌体分割及舌象识别的难度。然而，考虑到计算机舌诊系统应能在以互联网为代表的更多的平台上发挥作用，过去提出的针对在固定舌诊仪器中采集的标准舌诊图像的算法可能会面临不小的挑战。现有vgg，faster_rcnn等检测算法...
【技术保护点】
1.一种基于轻量级联神经网络的舌像检测及定位算法，其特征在于，包括以下步骤：/n步骤1)标注舌像样本图片目标区域坐标位置；/n步骤2)将舌像样本图片进行随机裁剪得到有分类标签的正负样本，投入到第一层网络；/n步骤3)对投入到步骤2)中的样本图片进行特征提取分类判断，输出分类为正的候选框的坐标信息，对应裁剪原图得到精选后的样本，缩放到指定尺寸投入到第二层网络；/n步骤4)对步骤3)中的样本图片进行训练，得到分类后的候选框，输出分类为正的候选框的坐标信息，对应裁剪原图得到精选后的样本，缩放到指定尺寸(大于步骤3)尺寸)投入到第三层网络；/n步骤5)将步骤4)中的样本图片进行训练...
【技术特征摘要】
1.一种基于轻量级联神经网络的舌像检测及定位算法，其特征在于，包括以下步骤：
步骤1)标注舌像样本图片目标区域坐标位置；
步骤2)将舌像样本图片进行随机裁剪得到有分类标签的正负样本，投入到第一层网络；
步骤3)对投入到步骤2)中的样本图片进行特征提取分类判断，输出分类为正的候选框的坐标信息，对应裁剪原图得到精选后的样本，缩放到指定尺寸投入到第二层网络；
步骤4)对步骤3)中的样本图片进行训练，得到分类后的候选框，输出分类为正的候选框的坐标信息，对应裁剪原图得到精选后的样本，缩放到指定尺寸(大于步骤3)尺寸)投入到第三层网络；
步骤5)将步骤4)中的样本图片进行训练，训练完成得到分类标签及候选框的坐标信息。
2.根据权利要求1所述的一种基于轻量级联神经网络的舌像检测及定位算法，其特征在于，所述步骤3)投入到第二层网络和所述步骤4)投入到第三层网络之前对候选框筛选并做边框回归，剔除低置信度的候选框。
3.根据权利要求1所述的一种基于轻量级联神经网络的舌像检测及定位算法，其特征在于，所述步骤2)通过iou值进行区分实现正负局部样本分类。
4.根据权利要求1所述的一种基于轻量级联神经网络的舌像检测及定位算法，其特征在于，所述步骤4)和所述步骤5)的所述训练的算法步骤包括：
步骤S1)准备好缩放到窗口大小的舌像样本图片作为正样本；
步骤S2)在没有正样本(没有舌像)的舌像样本图片上采样负样本；
步骤S3)计算正负样本的10个积分通道的值；
步骤S4)随机生成特征池F，并计算采样的样本的错误率；
步骤S5)初始化样本集D，最大迭代次数kmax；
步骤S6)初始化迭代的权重Wk(i)＝1/n，(i＝1…n)，从1到kmax进行累加求和；
步骤S7)按照样本集D的权重Wk(i)，选择特征池中选取构造，一个二层决策树Ck；
步骤S8)计算训练误差，Ck在样本集D的权重Wk(i)时的误差；
步骤S9)计算弱分类器权重，更新样本权重；
步骤S10)返回弱分类器Ck和其对应的权重...
【专利技术属性】
技术研发人员：周鹏，黄俊人，张海娇，
申请(专利权)人：依脉人工智能医疗科技天津有限公司，
类型：发明
国别省市：天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。