21、自闭症谱系障碍面部图像分类与商用车司机疲劳检测技术解析

自闭症谱系障碍面部图像分类与商用车司机疲劳检测技术解析

自闭症谱系障碍面部图像分类

在自闭症谱系障碍（ASD）的研究中，利用面部图像进行分类是一项具有重要意义的技术。研究人员提出了基于Xception模型的分类方法，通过图像增强技术提高了分类的准确性。

模型训练与评估指标

研究人员训练了两个模型，分别为Model 1（Xception + ImageNet）和Model 2（Augmentation + Xception + ImageNet）。在训练过程中，使用了不同的epoch值（如30、50、60和100），当batch size为8且epoch达到60后，模型性能参数的波动减少。评估模型性能主要使用了准确率（Accuracy）和损失（Loss）两个指标。
- 准确率计算 ：对于二进制标签，二进制准确率用于确定预测值（yPred）与实际值（yTrue）匹配的百分比。计算公式为：

accuracy = sum(yPred == yTrue)/len(yPred)

根据计算得到的准确率，在每个epoch中应用特定规则：若可能性超过阈值，则赋值为1；否则赋值为0。若赋值与实际值相同，则认为预测准确。
- 损失计算 ：使用二元交叉熵函数计算训练和验证损失。公式如下：

Lp(q) = -1/N * ∑(xi * log(p(xi)) + (1 - xi) * log(1 -