基于TripletLoss损失函数的舌象分类方法研究

• 作者: 孙萌 张新峰
• 来源期刊: 北京生物医学工程
• 学科: 医学
• 关键词: 肿瘤 舌象 分类 深度学习 TripletLoss FaceNet
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 论著
• 页码范围: 131-137
• 页数: 7页
• 分类号: R318.04
• 字数: 5370字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3208.2020.02.004

摘要

目的 舌象体质分类对后续肿瘤患者舌象的客观化辨证具有重要意义,但对于中医舌图像而言,部分类型的舌图像样本较难采集,达不到目前流行的深度学习方法需要的样本数量,且基于传统分类的深度学习只注重寻找具有相似特征,导致模型在中医舌图像这种类间样本特征差异较小的问题上,分类性能不佳.因此,本文提出一种基于TripletLoss的度量分类方法,在最大化非同类样本的特征距离同时缩小类间样本特征的间距.方法 首先通过建立卷积神经网络Inception-ResNet-V1提取对应的高维抽象特征.然后使用L2范数进一步约束高维特征的分布,同时引入降维压缩后的高维特征,最后使用TripletLoss得到有效的映射空间.因此可以根据舌象间的特征向量距离计算相似度以实现分类.结果 经过本文方法得到的特征空间,不同类型舌象之间的距离较大,同一类型的舌象距离较小,可以更好地对类间差异较小的舌图像进行分类,且分类速度更快.与现有方法比较,本论文方法在分类精确度上提升了18.34％,并且所需时间最短.结论 该方法可以很好地实现舌象体质分类,具有一定的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张新峰	北京工业大学信息学部	50	1027	14.0	31.0
2	孙萌	北京工业大学信息学部	2	0	0.0	0.0