融合轻卷积网络和全迁移学习的递阶式舌象点刺识别方法
李俊贤
朱明峰
江西中医药大学计算机学院 江西南昌 330004
摘要：鉴于现有舌象点刺识别方法准确性的不足,以及传统CNN需先训练再识别的不便,文章提出一种更加精准易用的舌象点刺识别方法.对传统CNN进行了精简设计,采用一种轻量化CNN,在保证识别率基础上,可更加快速地完成训练优化;并引入全迁移学习方法,采用一种递阶式方法,实现舌象点刺的精准识别;识别后的最佳模型可供后续借鉴和利用,可大幅减少后续训练的时间消耗,从而提高识别效率.经实践检验,改进后的方法较改进前的方法准确性更高,精确率、Dice系数以及mIoU系数可达100％,错分类误差为零,且改进后的方法的效率较原先大幅提升,相较于其他算法的耗时1 000ms以上,下降到了 15 ms.该方法在精度、效率和可用性方面较过去有显著提升.
关键词：轻量化卷积网络迁移学习舌象点刺识别
资助基金：江西省教育厅科学技术研究项目(GJJ190672)江西省中医药管理局科技计划项目(2022B988)
论文发表日期：2025-11-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 16-19 )