中医舌象诊断是医疗图像识别的一个新兴方向,在计算机视觉领域中有着广泛的应用前景。早期的中医舌象诊断算法流程是对预处理后的舌象照片进行特征提取,然后对特征进行分类继而得到原图的诊断信息。这类算法的弊端是分类效果完全取决于特征的设计,由于人为设计的特征无法涵盖所有的样例,导致在实际测试时无法取得很好的效果。近年出现的深度学习算法能够很好的改善传统算法的局限性,通过利用大量实际环境下采集到的有标注图片,算法能够自主地学习特征提取方法,训练得到的模型也更具实用性和鲁棒性。因此,本文基于中医院提供的数据集提出了一种基于卷积神经网络的舌象诊断算法,具体工作如下:(1)基于图像预处理的舌象诊断算法。前期由于数据集规模的限制,针对舌色、舌形、苔质和苔色四个分类任务的特性,从颜色特征、纹理特征和局部特征等方面设计了不同的预处理算法,然后使用卷积神经进行训练。实验结果表明,预处理后算法分类准确率提升了大概1%。(2)基于网络结构和损失函数优化的舌象诊断算法。为了达到系统实时识别的要求,去除了图像预处理操作,通过网络结构和损失函数的优化来提升准确率。本文针对不同的分类任务,采用不同的网络剪枝方式对网络结构进行修改,使得最终生成的模型大小为Alex Net的1/10,为Goog Le Net的1/4。此外,针对舌象数据集类内差距大于类间差距这一特性,改进了网络的损失函数,加入了Center Loss作为辅助损失函数。最终经过结构和损失函数的优化后,四个分类任务的准确率均达到了90%以上。(3)本文对网络结构进行了压缩,并将舌象诊断算法封装成了一个端到端的实时诊断系统,实现了多用户在线并发诊断。