融合表示学习的中医面部穴位检测框架
现有智能穴位检测方法存在依赖红外等外部设备、特征表示挖掘不足、穴位检测精度较低等问题.在分析穴位检测需求的基础上,将其定义为基于视觉图像的关键点检测任务,提出融合特征表示学习的中医面部穴位检测模型框架FADbR.首先,构建基于自监督学习机制的对抗自编码网络模型,通过人脸图像重建任务实现特征表示学习,利用神经网络提取人脸隐性知识,深度挖掘面部抽象特征.随后,基于自监督学习对抗自编码器构建监督学习面部穴位检测模型,充分利用学习到的人脸隐性知识提高智能面部穴位检测精度.最后,基于现有人脸数据库构建稠密人脸穴位数据集FAcupoint并用于方法验证.实验结果表明,FADbR可以通过表示学习挖掘面部关键特征支撑穴位检测任务,即使在少量训练样本的情况下也能够获得较好的检测性能.
对抗自编码器、穴位识别、图像重建、自监督学习、中医
52
TP391(计算技术、计算机技术)
国家自然科学基金U20A20161
2023-04-14(万方平台首次上网日期,不代表论文的发表时间)
共7页
175-181