[发明专利]基于深度学习的检测面部皮肤点状缺陷的方法及装置

说明书

本发明提供一种基于深度学习的检测面部皮肤点状缺陷的方法及装置，其中方法包括：获取训练数据集；构建卷积神经网络，利用训练数据集对卷积神经网络进行训练以得到检测模型，其中，卷积神经网络具有如下特征：对样本进行多层卷积特征提取以得到不同层级的特征图，然后利用多尺寸且多种形状的采样框采样以得到不同层级对应的采样结果，然后针对全体采样结果使用softmax损失函数进行分类并利用L1损失函数预测位置，将计算得到的损失值回传卷积神经网络的前端，采用梯度下降法调整卷积神经网络参数；将待测图像切割成测试图像块，然后将所有测试图像块遍历地输入检测模型以得到对应的图像块检测结果，然后将所有图像块测试结果拼接为完整图像检测结果。

技术领域

本发明涉及一种计算机及软件技术领域，具体涉及一种于深度学习的检测面部皮肤点状缺陷的方法及装置。

背景技术

随着生活水平的提高，大众开始追求面部皮肤的美丽健康。常见的面部皮肤缺陷根据形状、面积和分布，大致可以划分为面部皮肤点状缺陷和面部皮肤点状缺陷两类。其中面部皮肤点状缺陷包括色素痣、痤疮、痘印等，它们具有面积较小，形状近似点状，通常独立分布的特点。

针对此类点状皮肤缺陷的自动化检测一般用于皮肤缺陷的批量处理或定量统计分析。现有的点状皮肤缺陷自动检测算法大多基于传统的计算机视觉技术，即根据人脸图像的颜色或亮度信息，在原图像级别或划分出来的小图块级别，使用阈值法和连通域分析法，确定点状皮肤缺陷的位置。部分检测算法使用基于机器学习的支持向量机，通过收集一定数量的有标注的图像，分析人工确定的少数图像特征，如对比度、相异性、均质性、能量等，对点状皮肤缺陷进行定位和区分。当人脸图像符合如高清晰度、高分辨率、照明均匀、肤色偏白、皮肤缺陷较少等严格条件时，现有技术可以基本达到检测目的，但是大多数情况下获取的人脸图像无法符合所述理想条件，现有技术无法准确检测点状皮肤缺陷。

发明内容

有鉴于此，本发明提供一种基于深度学习的检测面部皮肤点状缺陷的方法及装置，能够解决现有技术的无法为皮肤缺陷的评估和治疗提供科学严谨参考的技术问题。

为实现上述目的，根据本发明的一个方面，提供了一种基于深度学习的检测面部皮肤点状缺陷的方法，包括：获取训练数据集，所述训练数据集中的样本是尺寸为m像素×n像素的、包含有面部皮肤点状缺陷标注信息的图像块，其中m和n为正整数；构建卷积神经网络，利用所述训练数据集对所述卷积神经网络进行训练以得到检测模型，其中，所述卷积神经网络具有如下特征：对样本进行多层卷积特征提取以得到不同层级的特征图，然后针对所述不同层级的特征图利用多尺寸且多种形状的采样框采样以得到不同层级对应的采样结果，然后针对全体的不同层级对应的采样结果使用softmax损失函数进行分类并利用L1损失函数预测位置，将计算得到的损失值回传卷积神经网络的前端，采用梯度下降法调整卷积神经网络参数；将待测图像切割成多个尺寸为m像素×n像素的测试图像块，然后遍历地将所述多个测试图像块输入所述检测模型以得到对应的图像块检测结果，然后将所有所述图像块测试结果拼接为完整图像检测结果。

可选地，所述采样框的长宽比a满足条件：1:3≤a≤3:1。

可选地，所述面部皮肤点状缺陷包括以下的一种或多种的组合：色素痣、痤疮、痘印。

可选地，还包括：对所述训练数据集和待测图像进行预处理，所述预处理包括：进行无效数据滤除，进行亮度均一化。

可选地，100≤m≤600，并且100≤n≤600。