【技术实现步骤摘要】
本专利技术属于人体穴位检测，具体涉及一种用于快速人体穴位识别的acu-yolo深度学习方法。
技术介绍
1、随着人工智能技术的迅猛发展，深度学习在人体穴位识别领域展现出巨大潜力。以往，穴位治疗主要依赖医师的经验和专业知识进行穴位查找与定位，培养一名优秀的医师需要耗费数年时间，且救治人数有限，同时存在效率低下、准确性不稳定等问题。近十年来，卷积神经网络(cnn)等深度学习算法在图像识别和目标检测等任务中取得了显著成果。将深度学习应用于穴位识别，能够从大量数据中学习穴位的特征和模式，从而提高识别的准确性和效率。
2、然而，当前的深度学习模型在穴位识别应用中仍面临一些挑战。由于人体穴位的位置和特征可能因个体差异而有所不同，特别是前胸穴位需要更高的精准性，这对模型的泛化能力提出了更高要求。此外，穴位识别需要高精度的定位，以确保治疗的有效性和安全性。
3、因此，现在需要一种能够实现准确、快速识别前胸穴位位置的用于快速人体穴位识别的acu-yolo深度学习方法。
技术实现思路
...
【技术保护点】
1.一种用于快速人体穴位识别的ACU-YOLO深度学习方法，其特征在于包括以下步骤：
2.根据权利要求1所述的一种用于快速人体穴位识别的ACU-YOLO深度学习方法，其特征在于：所述步骤S2包括以下步骤：
3.根据权利要求2所述的一种用于快速人体穴位识别的ACU-YOLO深度学习方法，其特征在于：所述步骤S3包括以下步骤：
4.根据权利要求3所述的一种用于快速人体穴位识别的ACU-YOLO深度学习方法，其特征在于：在步骤S302中，注意力机制模块PSMASH在CBAM模块基础上，将原先的通道注意力替换为使通道注意力具备多尺度性能的M...
【技术特征摘要】
1.一种用于快速人体穴位识别的acu-yolo深度学习方法，其特征在于包括以下步骤：
2.根据权利要求1所述的一种用于快速人体穴位识别的acu-yolo深度学习方法，其特征在于：所述步骤s2包括以下步骤：
3.根据权利要求2所述的一种用于快速人体穴位识别的acu-yolo深度学习方法，其特征在于：所述步骤s3包括以下步骤：
4.根据权利要求3所述的一种用于快速人体穴位识别的acu-yolo深度学习方法，其特征在于：在步骤s302中，注意力机制模块psmash在cbam模块基础上，将原先的通道注意力替换为使通道注意力具备多尺度性能的msca，其中msca包含深度卷积聚合局部信息、多分支深度卷积捕获多尺度上下文以及1x1卷积建模不同通道之间的关系。
5.根据权利要求4所述的一种用于快速人体穴位识别的acu-yolo深度学习方法，其特征在于：在步骤s303中，msblock多尺度块采用分层特征融合策略，通过倒置瓶颈层代替标准3×3卷积以利用大核卷积增强实时目标检测器提取多尺度特征的能力。
6.根据权利要求5所述的一种用于快速人体穴位识别的acu-yolo深度学习方法，其特征在于：步骤s304所获得的acu-yolo网络结构模型中改进的backbone network由conv结构、c2f结构、scdown结构、sppf结构和psmash结构组成，其中psmash结构添加在sppf之后；改进的neck network分别在c2f以及c2fcib之后接入msblock结构。
7.根据...
【专利技术属性】
技术研发人员：谈爱玲，牟浩，赵勇，吕玉娥，刘闯，
申请(专利权)人：燕山大学，
类型：发明
国别省市：
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。