一种基于多标签学习的中医舌象多诊察特征分类方法

本发明提出了一种基于多标签学习的中医舌象多诊察特征分类方法，旨在通过计算机视觉和深度学习技术，实现对中医舌诊中多种特征的自动分析。该方法采用DenseNet‑121作为骨干网络，并结合高效多尺度注意力(EMA)机制提取舌图像特征。利用高斯混合变分自编码器和对比学习，构建多标签学习网络，以协同分类舌色、苔色、腐腻和润燥等特征。该网络通过概率建模与特征映射的集成，提升了特征表达与区分能力。此外，使用对称修正交叉熵损失函数和对比学习损失函数进行模型训练，以提高分类精度和鲁棒性。该发明的优势在于高分类精度和低系统实现复杂度，为中医舌诊的自动化提供了一种有效的技术方案。