一种基于Siamese网络的小样本慢性压力检测方法

本发明公布了一种基于Siamese网络的小样本慢性压力检测方法，属于生活压力检测技术领域。本发明主要为心理压力检测工作设计一种Few‑shot learning框架。首先在公开数据集上进行预训练，再在本地的小规模慢性压力数据集上进行微调，最后结合Support set(支持集)实现慢性压力分类。由于Few‑shot learning在图像处理中表现出色，我们使用格拉姆角场将EEG和ECG等生理信号转换成GASF图像或GADF图像并进行多图像融合，再对生成图像使用ResNet18网络进行特征提取。值得注意的是，我们在特征提取过程中引入了注意力机制，可以提取出更有效的特征。最后输入到Siamese网络进行训练。本发明将解决慢性压力数据集稀缺的问题，将信号处理与计算机视觉相结合，同时也为不同群体的个性化压力检测提供了高效的解决方案。