System.ArgumentOutOfRangeException: 索引和長(zhǎng)度必須引用該字符串內(nèi)的位置。 參數(shù)名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)公開(kāi)一種通過(guò)提取的面象特征,對(duì)服務(wù)對(duì)象當(dāng)前面象特征進(jìn)行融合分析,預(yù)測(cè)中醫(yī)體質(zhì),并給予相應(yīng)生活建議的方法。本專利技術(shù)涉及健康服務(wù)管理領(lǐng)域,利用標(biāo)注的面部圖片,作為訓(xùn)練數(shù)據(jù)集,對(duì)多分類器神經(jīng)網(wǎng)絡(luò)模型(cnn)進(jìn)行迭代訓(xùn)練,進(jìn)一步提高了模型在進(jìn)行體質(zhì)融合的準(zhǔn)確性,從而使得提供給用戶的建議更加貼合用戶實(shí)際需要,提升了整個(gè)融合方法的可靠性。
技術(shù)介紹
1、因?yàn)槊嫦筇卣髋c中醫(yī)體質(zhì)間沒(méi)有統(tǒng)一的判斷標(biāo)準(zhǔn),導(dǎo)致體質(zhì)辨識(shí)的準(zhǔn)確性不足,具體體現(xiàn)在:(1)面象特征與中醫(yī)體質(zhì)間的判斷不專業(yè);(2)面象訓(xùn)練集標(biāo)注的標(biāo)準(zhǔn)不統(tǒng)一。
2、關(guān)聯(lián)技術(shù):多分類器神經(jīng)網(wǎng)絡(luò)模型(cnn)、panda均為成熟技術(shù)方法。
3、參考資料:《中醫(yī)體質(zhì)分類與判定》、《黃帝內(nèi)經(jīng)》、《中醫(yī)診斷學(xué)》、《中醫(yī)體質(zhì)學(xué)》、《中醫(yī)基礎(chǔ)理論》。
4、關(guān)鍵在于通過(guò)訓(xùn)練集訓(xùn)練提升融合模型的準(zhǔn)確性,從而提高體質(zhì)辨識(shí)的準(zhǔn)確性。
5、綜上所述,現(xiàn)有的融合模型由于面象特征與中醫(yī)體質(zhì)間的判斷不專業(yè),以及面象訓(xùn)練集標(biāo)注的標(biāo)準(zhǔn)不統(tǒng)一,導(dǎo)致體質(zhì)辨識(shí)的準(zhǔn)確性不足。
技術(shù)實(shí)現(xiàn)思路
1、當(dāng)前,使用單一面象特征來(lái)判斷中醫(yī)體質(zhì)存在一定的局限性和不足之處。面象本身包含了多個(gè)方面的信息,單一特征難以全面捕捉這些細(xì)節(jié)。單一面象特征提供的信息相對(duì)較少,可能不足以全面反映一個(gè)人的健康狀況和體質(zhì)類型。多種面象特征結(jié)合使用可以提供更全面的信息,有助于更準(zhǔn)確地判斷體質(zhì)類型和身體狀態(tài)。
2、本方法綜合分析多個(gè)單一面象特征,而非僅
3、本系統(tǒng)包括:
4、圖片接收模塊:本模塊旨在接收前端上傳的面部圖片。
5、特征提取模塊:本模塊旨在提取圖片里的面象特征。使用經(jīng)過(guò)標(biāo)注的面象圖片作為數(shù)據(jù)集,訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型;通過(guò)訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行特征提取。面象特征提取方法已提交專利申請(qǐng),面象數(shù)據(jù)集已上傳至其他證明材料。
6、面象特征調(diào)用模塊:本模塊旨在通過(guò)函數(shù)調(diào)取面象特征,供下個(gè)模塊使用。
7、面象特征融合模塊:本模塊旨在通過(guò)多分類器神經(jīng)網(wǎng)絡(luò)模型,將調(diào)取到的面象特征進(jìn)行融合,獲取最終的體質(zhì)類型。使用經(jīng)過(guò)標(biāo)注的面象圖片作為數(shù)據(jù)集,訓(xùn)練分類器神經(jīng)網(wǎng)絡(luò)模型,輸入經(jīng)過(guò)cnn提取的高維特征向量,輸出為不同體質(zhì)類別,采用交叉熵?fù)p失函數(shù)和adam優(yōu)化器進(jìn)行反向傳播訓(xùn)練,迭代訓(xùn)練至滿足條件后,用測(cè)試集評(píng)估模型性能(準(zhǔn)確率、召回率、f1分?jǐn)?shù)等),模型訓(xùn)練完成后,將調(diào)取到的面象特征輸入模型,得到的每個(gè)體質(zhì)的概率,再根據(jù)概率最大原則輸出最有可能的三個(gè)體質(zhì)。
8、中醫(yī)體質(zhì)對(duì)應(yīng)衣食住行建議模塊:本模塊根據(jù)輸出概率最大的中醫(yī)體質(zhì),利用panda讀取體質(zhì)建議對(duì)照表1,提供相應(yīng)的衣食住行建議。
9、結(jié)果返回模塊:本模塊旨在將獲取到的體質(zhì)類型和衣食住行建議傳給前端。
10、具體詳見(jiàn)系統(tǒng)架構(gòu)圖1。
11、系統(tǒng)流程示意圖2。
12、體質(zhì)建議對(duì)照表1。
13、體質(zhì)建議對(duì)照表1
14、
15、
16、
17、
18、表1
本文檔來(lái)自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.基于多分類器神經(jīng)網(wǎng)絡(luò)模型(CNN),融合面象特征,判定最終中醫(yī)體質(zhì),并給與相應(yīng)生活建議的方法。
2.對(duì)多分類器神經(jīng)網(wǎng)絡(luò)模型(CNN),進(jìn)行迭代訓(xùn)練的面象訓(xùn)練集。
【技術(shù)特征摘要】
1.基于多分類器神經(jīng)網(wǎng)絡(luò)模型(cnn),融合面象特征,判定最終中醫(yī)體質(zhì),并給與相應(yīng)生活建...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員:潘國(guó)瑞,龍家宏,黃丹娜,
申請(qǐng)(專利權(quán))人:銀潤(rùn)康深圳科技有限公司,
類型:發(fā)明
國(guó)別省市:
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。