基于元辅助任务学习的中药饮片识别方法

来源：计算机技术与发展杂志2023年第10期北京时间：

作者：张一鹏;罗启甜;吴梦麟*

单位：南京工业大学 计算机科学与技术学院,江苏 南京 211816 Author(s): ZHANG Yi-peng;LUO Qi-tian;WU Meng-lin* School of Computer Science and Technology,Nanjing Tech University,Nanjing 211816,China 关键词: 中药饮片识别;辅助任务;多任务;元学习;深度学习 Keywords: TCM slice recognition;auxiliary task;multi task;meta learning;deep learning 分类号: TP399 DOI: 10. 3969 / j. issn. 1673-629X. 2023. 10. 017 摘要: 中药饮片的分类对临床中药的实际应用有着十分重要的影响,传统的人工分类主要依靠主观经验作为判断依据,而基于计算机视觉的中药饮片自动识别分类有着快速、准确的特点。 但影响自动识别结果的因素较多,针对中药饮片自动识别结果受产地、锻造方式等因素影响大的问题,提出了一种基于元辅助任务学习的中药饮片识别方法。 该方法采用了辅助任务以提升主任务表现的策略,利用中药饮片的多种属性构成辅助任务,以提升主任务即中药饮片分类结果的准确性;此外该方法还加入了元学习标签生成网络,该网络自动为模型生成辅助标签作为辅助任务,在提升模型表现的同时节省了人工标注的成本;最后该方法使用了 Swin-Transformer 作为骨干网络进行特征提取,提升了模型的全局感知能力,进一步提升了模型的泛化性。 实验结果表明,该方法在不同批次中药饮片中的识别精度均高于普通方法。

摘要：中药饮片的分类对临床中药的实际应用有着十分重要的影响,传统的人工分类主要依靠主观经验作为判断依据,而基于计算机视觉的中药饮片自动识别分类有着快速、准确的特点。 但影响自动识别结果的因素较多,针对中药饮片自动识别结果受产地、锻造方式等因素影响大的问题,提出了一种基于元辅助任务学习的中药饮片识别方法。 该方法采用了辅助任务以提升主任务表现的策略,利用中药饮片的多种属性构成辅助任务,以提升主任务即中药饮片分类结果的准确性;此外该方法还加入了元学习标签生成网络,该网络自动为模型生成辅助标签作为辅助任务,在提升模型表现的同时节省了人工标注的成本;最后该方法使用了 Swin-Transformer 作为骨干网络进行特征提取,提升了模型的全局感知能力,进一步提升了模型的泛化性。 实验结果表明,该方法在不同批次中药饮片中的识别精度均高于普通方法。

关键词：中药饮片识别;辅助任务;多任务;元学习;深度学习