[发明专利]一种色斑预测方法、装置、设备及存储介质在审

专利信息
申请号: 202110707100.8 申请日: 2021-06-24
公开(公告)号: CN113379716A 公开(公告)日: 2021-09-10
发明(设计)人: 齐子铭;刘兴云;罗家祯;陈福兴;李志阳 申请(专利权)人: 厦门美图之家科技有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06K9/00;G06N3/04;G06N3/08;G16H50/30
代理公司: 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 代理人: 曹瑞敏
地址: 361000 福建省厦门市*** 国省代码: 福建;35
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 预测 方法 装置 设备 存储 介质
【权利要求书】:

1.一种色斑预测方法,其特征在于,所述方法包括:

获取待预测图像;

将所述待预测图像输入至预先训练得到的色斑预测模型中进行预测处理,所述色斑预测模型为全卷积生成对抗网络模型;

通过所述色斑预测模型得到色斑预测结果图。

2.如权利要求1所述的方法,其特征在于,所述将所述待预测图像输入至预先训练得到的色斑预测模型中进行预测处理之前,还包括:

确定所述待预测图像中的色斑信息,所述色斑信息包括:色斑的位置以及类别;

根据所述待预测图像中的色斑信息,对所述待预测图像进行预处理,得到预处理后的多帧图像,所述多帧图像分别包括:无色斑的图像以及标识有色斑类别的图像;

所述将所述待预测图像输入至预先训练得到的色斑预测模型中进行预测处理,包括:

将所述预处理后的多帧图像输入至预先训练得到的色斑预测模型中进行预测处理。

3.如权利要求1或2所述的方法,其特征在于,所述将所述待预测图像输入至预先训练得到的色斑预测模型中进行预测处理之前,还包括:

获取目标待处理图像,所述目标待处理图像中包括色斑信息;

根据所述目标待处理图像分别确定多个目标通道图像,所述目标通道图像包括:去除色斑信息的多通道图像以及色斑类别通道图像;

将多个所述目标通道图像以及目标噪声图像合并,一起输入待训练神经网络结构中得到训练后的色斑预测模型;所述目标噪声图像为随机生成的噪声图像。

4.如权利要求3所述的方法,其特征在于,所述根据所述目标待处理图像分别确定多个目标通道图像,包括:

确定所述目标待处理图像中的色斑信息;

根据所述目标待处理图像中的色斑信息,对所述目标待处理图像进行色斑去除处理,得到去除色斑信息的目标待处理图像。

5.如权利要求3所述的方法,其特征在于,所述根据所述目标待处理图像分别确定多个目标通道图像,包括:

对所述目标待处理图像进行色斑检测处理,得到所述色斑类别通道图像。

6.如权利要求5所述的方法,其特征在于,所述对所述目标待处理图像进行色斑检测处理,得到所述色斑类别通道图像,包括:

分别确定所述目标待处理图像中每种类型的色斑信息的位置;

在所述色斑信息的位置处设置所述色斑信息对应类型的灰度信息,得到所述色斑类别通道图像。

7.如权利要求3所述的方法,其特征在于,所述将多个所述目标通道图像以及目标噪声图像合并,一起输入待训练神经网络结构中得到训练后的色斑预测模型之前,所述方法包括:

分别将所述目标通道图像以及所述目标噪声图像进行归一化处理,得到目标输入图像;

所述将多个所述目标通道图像以及目标噪声图像分别输入待训练神经网络结构中得到训练后的色斑预测模型,包括:

将所述目标输入图像输入待训练神经网络结构中得到训练后的色斑预测模型。

8.一种色斑预测装置,其特征在于,所述装置包括:获取模块、预测模块、输出模块;

所述获取模块,用于获取待预测图像;

所述预测模块,用于将所述待预测图像输入至预先训练得到的色斑预测模型中进行预测处理,所述色斑预测模型为全卷积生成对抗网络模型;

所述输出模块,用于通过所述色斑预测模型得到色斑预测结果图。

9.一种计算机设备,其特征在于,包括:存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现上述权利要求1至7任一项所述的方法的步骤。

10.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序,该计算机程序被处理器执行时,实现权利要求1至7中任一项所述方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于厦门美图之家科技有限公司,未经厦门美图之家科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110707100.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top