基于深度神经网络的面部体质分类关键技术研究

发布时间：2021-04-19 13:01

　　中医体质分类是体质研究的基础和核心内容,是从复杂多变的个体体质现象中提炼出适合于群体的体质特征并形成最终的分类系统。目前将深度学习技术用于面部体质分类领域的研究还处于起步阶段,还有很多问题需要解决。本文研究其中的三个问题:首先,围绕传统的人工设计特征对面部体质图像表示能力不强的问题进行方法研究。然后,在卷积神经网络的基础上,围绕面部体质数据量少的问题进行研究。最后,针对现有体质分类方法未能考虑深度神经网络中不同层次语义特征的问题设计相应的解决方案。具体研究工作包括:（1）提出了基于深度网络特征学习的面部体质分类算法。该算法通过卷积神经网络进行端对端的训练,学习得到面部体质图像的高层语义特征。然后,通过将卷积神经网络中最后一层全连接层特征与面部体质图像的颜色特征相融合,进一步增强面部体质图像的表达能力。在面部体质数据集上实验证明所提算法的有效性。（2）提出了基于迁移学习和集成学习的面部体质分类算法。在面部体质数据集上,通过Dense Net-169模型进行迁移训练,构建了迁移体质神经网络（Constitution Net）。为了进一步提高体质分类效果,将Constitution Net模... 

【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：125 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 体质调查问卷法
        1.2.2 传统的机器学习法
        1.2.3 深度卷积神经网络法
        1.2.4 工具检测法
    1.3 体质分类存在的问题
    1.4 本文的研究内容
    1.5 本文的组织安排
第二章 体质分类和深度学习理论基础
    2.1 引言
    2.2 体质的定义
    2.3 体质分类的步骤
    2.4 特征表示
        2.4.1 颜色特征
        2.4.2 纹理特征
        2.4.3 哈尔特征
        2.4.4 方向梯度直方图特征
    2.5 分类器算法
        2.5.1 决策树分类器
        2.5.2 随机森林分类器
        2.5.3 支持向量机分类器
        2.5.4 K近邻分类器
        2.5.5 朴素贝叶斯分类器
        2.5.6 集成分类器
    2.6 深度学习理论
        2.6.1 前馈神经网络
        2.6.2 卷积神经网络
        2.6.3 深度迁移学习
        2.6.4 深度神经网络模型
    2.7 小结
第三章 基于深度网络特征学习的面部体质分类算法
    3.1 方法
    3.2 特征表示方法
        3.2.1 颜色特征
        3.2.2 纹理特征
    3.3 深度体质神经网络
    3.4 实验
        3.4.1 数据集
        3.4.2 实验设置
        3.4.3 实验结果与分析
    3.5 小结
第四章 基于迁移学习和集成学习的面部体质分类算法
    4.1 方法
    4.2 特征表示方法
        4.2.1 哈尔特征
        4.2.2 方向梯度直方图
    4.3 迁移体质神经网络
    4.4 集成体质分类
    4.5 实验
        4.5.1 数据集
        4.5.2 数据增强
        4.5.3 实验设置
    4.6 实验结果与分析
        4.6.1 不同特征提取方法下的分类结果
        4.6.2 不同网络模型下的分类结果
        4.6.3 集成体质分类结果
    4.7 小结
第五章 基于多层次多尺度特征聚合的面部体质分类算法
    5.1 方法
        5.1.1 VGG-CI网络结构
        5.1.2 主成分分析方法
        5.1.3 多层次多尺度特征聚合
    5.2 实验
        5.2.1 数据集
        5.2.2 实验设置
    5.3 实验结果与分析
        5.3.1 不同特征表示方法下的分类结果
        5.3.2 不同网络模型下的分类结果
    5.4 小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
攻读博士/硕士学位期间取得的研究成果
致谢
附件



本文编号：3147602