[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在审
| 申请号： | 201810600716.3 | 申请日： | 2018-06-12 |
| 公开（公告）号： | CN108921825A | 公开（公告）日： | 2018-11-30 |
| 发明（设计）人： | 白海龙;徐通;汪子晨 | 申请（专利权）人： | 北京羽医甘蓝信息技术有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100190 北京市海*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 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。 | ||
| 搜索关键词： | 卷积神经网络 训练数据集 采样结果 测试图像 点状缺陷 检测结果 面部皮肤 损失函数 图像块 层级 检测 待测图像 输入检测 特征提取 完整图像 预测位置 采样框 特征图 下降法 采样 遍历 多层 构建 回传 卷积 拼接 切割 样本 学习 分类 | ||
【主权项】：
1.一种基于深度学习的检测面部皮肤点状缺陷的方法，其特征在于，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。
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北京羽医甘蓝信息技术有限公司，未经北京羽医甘蓝信息技术有限公司许可，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/patent/201810600716.3/，转载请声明来源钻瓜专利网。
