[发明专利]基于DeepLabv3+的深度神经网络皮肤检测方法在审
| 申请号： | 201910751564.1 | 申请日： | 2019-08-15 |
| 公开（公告）号： | CN110555830A | 公开（公告）日： | 2019-12-10 |
| 发明（设计）人： | 宣琦;孙翊杰;任星宇;翔云;赵佳康;张鑫辉 | 申请（专利权）人： | 浙江工业大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00 |
| 代理公司： | 33241 杭州斯可睿专利事务所有限公司 | 代理人： | 王利强 |
| 地址： | 310014 浙江省*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于DeepLabv3+深度神经网络皮肤检测方法，包括以下步骤：S1利用专业的皮肤采集装置采集日光灯下人脸的全脸图片；S2将获得的人脸图像用labelme软件进行标注，针对皱纹、毛孔以及浅层色素，最终生成json格式的文件；S3用python程序进行数据预处理，整理成可以输入进DeepLabv3+深度神经网络的进行计算的格式；S4选取Xception‑65作为DeepLabv3+深度神经网络中的主干网络；S5自定义损失函数并进行模型的训练；6)前端设备发送皮肤检测请求，从云端服务器调用相应模型进行图像处理，可视化后返回前端设备进行显示。本发明预测结果更为精确，耗时短，降低了检测成本。 | ||
| 搜索关键词： | 神经网络 皮肤检测 前端设备 数据预处理 云端服务器 日光灯 采集装置 人脸图像 损失函数 图像处理 预测结果 主干网络 毛孔 可视化 自定义 色素 浅层 全脸 人脸 调用 皱纹 标注 耗时 采集 发送 皮肤 返回 检测 图片 | ||
【主权项】：
1.一种基于深度学习中DeepLabv3+的深度神经网络的皮肤检测方法，其特征在于，所述方法包括以下步骤：/nS1：利用专业的皮肤采集装置采集日光灯下人脸的全脸图片，然后返回图片数据到计算机；/nS2：将获得的人脸图像用labelme软件进行标注，主要针对的是皱纹、毛孔以及浅层色素，最终生成json格式的文件；/nS3：对标注好的json文件用python程序进行数据预处理，整理成可以输入进DeepLabv3+深度神经网络的进行计算的格式；/nS4：选取Xception-65作为DeepLabv3+深度神经网络中的主干网络，用于对输入图片的语义分割，加入编码-解码结构，采用双线性差值上采样，将图像特征通过卷积等操作后进行预测；/nS5：自定义损失函数并进行模型的训练，训练后输出的模型存储到云端服务器中，供皮肤检测装置调用，输出四种模型，包括分别针对皱纹、毛孔、浅层色素三种皮肤问题的单项检测的模型，还有一种是前面三者综合检测的模型；/nS6：前端设备发送皮肤检测请求，从云端服务器调用相应模型进行图像处理，可视化后返回前端设备进行显示。/n
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浙江工业大学，未经浙江工业大学许可，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/201910751564.1/，转载请声明来源钻瓜专利网。
