申请/专利权人：华南理工大学

申请日：2023-05-06

公开（公告）日：2024-06-25

公开（公告）号：CN116563918B

主分类号：G06V40/16

分类号：G06V40/16;G06V10/764;G06V10/82;G06N3/0464;G06N3/08;G16H30/20

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2023.08.25#实质审查的生效;2023.08.08#公开

摘要：本发明公开了一种基于非平衡加权Cycle_MLP网络的体质识别方法和系统，通过获取面部图像以及对应的体质类别标签，并针对每种体质类别下的面部图像构建五官特征的认知信息语义；构建Cycle_MLP网络，利用面部图像、认知信息语义以及对应的体质类别，以基于欧式空间和双曲空间的非平衡加权交叉熵为损失函数，对所述Cycle_MLP网络进行训练；利用训练好的所述Cycle_MLP网络，进行体质识别。本发明公开的体质识别方法在标签数据有限的情况下，实现体质的准确识别；并引入双曲空间交叉熵损失函数构建非平衡分类平均二元交叉熵损失函数的理念，以充分考虑标签数据分布不均的问题。

主权项：1.一种基于非平衡加权Cycle_MLP网络的体质识别方法，其特征在于，包括：获取面部图像以及对应的体质类别标签，针对每种体质类别下的面部图像构建五官特征的认知信息语义；五官特征的认知信息语义包括脸面、鼻子、口和或唇的多维语义向量；构建Cycle_MLP网络，所述Cycle_MLP网络包括Cycle_MLP模型和Sigmoid分类器，所述Cycle_MLP模型包括多个可学习的循环卷积层，所述可学习的循环卷积层由多个Cycle_MLP模块和下采样层交替组成，所述Cycle_MLP模块中的Cycle_MLP包括：Linear、多个Cycle-FC，和Channel-MLP；利用面部图像、认知信息语义以及对应的体质类别，以基于欧式空间和双曲空间的非平衡加权交叉熵为损失函数，对所述Cycle_MLP网络进行训练；基于欧式空间和双曲空间的非平衡加权交叉熵，表达式为：Ltotal＝LNBCE+LDBCE式中，Ltotal为非平衡加权交叉熵，LNBCE为欧式交叉熵损失，LDBCE为双曲交叉熵损失；所述LNBCE，通过如下公式获得： 式中，yi为欧式空间中预测的体质标签类别，pi为欧式空间中实际体质标签类别，C为标签类别的总数，a为损失平衡调节参数，γ为调节指数；所述LDBCE通过如下公式获得： 式中，yD，i为双曲空间中预测的体质标签类别，pD，i为双曲空间中实际体质标签类别；其中，标签特征从欧式空间通过如下公式映射到双曲空间： 式中，x表示随机取单位球内一点映射到双曲空间的标签特征；v表示双曲空间的特征；u表示空间曲率，取值小于0；表示一种转换运算，其表达公式如下： 利用训练好的所述Cycle_MLP网络，进行体质识别。

全文数据：

权利要求：

百度查询： 华南理工大学 基于非平衡加权Cycle_MLP网络的体质识别方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD