[发明专利]一种训练色斑检测模型的方法及相关装置

说明书

本发明实施例涉及目标检测技术领域，尤其涉及一种训练色斑检测模型的方法及相关装置，通过将图像样本集中的图像截取成候选区域图像，减少不包含色斑的区域特征(如背景特征、脸部五官特征)对训练模型的干扰，从而可以提高模型训练的精准度；通过将包含色斑的各候选区域图像进行分辨率增强处理和尺寸调整以获取尺寸一致的多个训练图像，可以有效避免尺寸对模型学习造成的干扰，增强色斑的特征；此外，在训练的过程中通过引入色斑的数量对色斑位置进行约束，能够使色斑的预测位置往与真实色斑的位置相同的方向训练，再一步提高了模型训练的精度；多重训练精度的提升使得通过该方法训练得到该色斑检测模型的检测精确度较高。

技术领域

本发明实施例涉及目标检测技术领域，尤其涉及一种训练色斑检测模型的方法及相关装置。

背景技术

随着移动通信技术的快速发展以及人民生活水平的提升，各种智能终端已广泛应用于人民的日常工作和生活，使得人们越来越习惯于使用APP等软件，使得美颜自拍、拍照测肤此类功能的APP需求也变得越来越多，因此不少的用户希望此类APP能够自动分析出脸部的色斑情况，根据色斑的情况，有针对性提出皮肤改善方案。

现有人脸色斑检测主要对色斑可能的区域采用图像处理的方法，提取出色斑区域，该方法过于繁琐，容易受到光照等因素的影响，导致检测的准确度偏低。

发明内容

本发明实施例主要解决的技术问题是提供一种训练色斑检测模型的方法及相关装置，能准确地对色斑进行分类及定位。

为解决上述技术问题，第一方面，本发明实施例中提供给了一种训练皱纹检测模型的方法，包括：

获取包括人脸的图像样本集；

从所述图像样本集中的每个图像中，分别截取可能存在色斑的至少一个脸部局域图像，以得到多个候选区域图像；

对各候选区域图像进行分辨率增强处理和尺寸调整，以获取尺寸一致的多个训练图像，其中，所述训练图像的分辨率高于所述候选区域图像的分辨率；

将标注有真实标签的多个训练图像作为训练集，对预设卷积神经网络进行训练，以使所述预设卷积神经网络学习所述多个训练图像的真实标签，以获取色斑检测模型，其中，目标训练图像的真实标签包括所述目标训练图像中的色斑在所述目标训练图像中的真实位置、真实类别以及真实数量，所述目标训练图像为所述多个训练图像中的任一训练图像。

在一些实施例中，所述预设卷积神经网络包括特征提取模块、色斑目标检测模块和色斑数量检测模块，所述将所述标注有真实标签的多个训练图像作为训练集，对预设卷积神经网络进行训练，以使所述预设卷积神经网络学习所述多个训练图像的真实标签，以获取色斑检测模型，包括：

将所述目标训练图像输入所述特征提取模块，以获取至少两种尺寸的训练特征图；

将所述训练特征图分成两路，以获取第一路训练特征图和第二路训练特征图；

将所述第一路训练特征图输入所述色斑目标检测模块，以获取所述目标训练图像中的色斑的预测位置和预测类别；

将所述第二路训练特征图输入所述色斑数量检测模块，以获取所述目标训练图像中的色斑的预测数量；

根据预设损失函数计算所述目标训练图像的预测标签与所述目标训练图像的真实标签之间的误差，其中，所述预测标签包括所述预测位置、预测类别和所述预测数量；

根据所述误差，调整所述预设卷积神经网络的模型参数，返回执行将所述目标训练图像输入所述特征提取模块，以获取至少两种尺寸的训练特征图的步骤，直至所述预设卷积神经网络收敛，以获取所述色斑检测模型。

在一些实施例中，所述特征提取模块包括多个特征卷积层，所述多个特征卷积层的卷积核个数随着特征卷积层的层数的增加呈先增大后减小的趋势。