融合表示学习的中医面部穴位检测框架

摘要

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。

关键词

对抗自编码器 / 穴位识别 / 图像重建 / 自监督学习 / 中医

基金资助

国家自然科学基金区域联合重点项目(U20A20161)