[发明专利]一种皮肤瑕疵点分类方法及电子设备

说明书

本申请涉及皮肤检测技术领域，特别是涉及一种皮肤瑕疵点分类方法及电子设备。该皮肤瑕疵点分类方法包括：获取包含瑕疵点的目标皮肤图像；根据图像分类算法，分类目标皮肤图像的瑕疵点。因此，其能够识别出皮肤瑕疵点的类别，以便用户后续进行护肤处理作出明智选择。

技术领域

本申请涉及皮肤检测技术领域，特别是涉及一种皮肤瑕疵点分类方法及电子设备。

背景技术

随着岁月的增长与生理的变化，人类的皮肤出现一些瑕疵点，瑕疵点可以是由于局部皮肤色素沉着而出现的晒斑、雀斑、老年斑等等，亦可以是青春痘印、痘坑等等。

传统技术能够通过皮肤图像而统计出皮肤的黑色素(瑕疵点)的数量，以便知悉皮肤的瑕疵点严重程度。

申请人在实现本申请的过程中，发现传统技术至少存在以下问题：传统技术只能够统计出瑕疵点的数量，却未能够识别出瑕疵点的类别，从而未能够对症下药地为用户提供护肤的方法。

发明内容

申请内容

本申请实施例一个目的旨在提供一种皮肤瑕疵点分类方法及电子设备，其解决了传统技术未能够识别出皮肤瑕疵点的类别的技术问题。

为解决上述技术问题，本申请实施例提供以下技术方案：

在第一方面，本申请实施例提供一种皮肤瑕疵点分类方法，包括：获取包含瑕疵点的目标皮肤图像；根据图像分类算法，分类所述目标皮肤图像的瑕疵点。

可选地，所述根据图像分类算法，分类所述目标皮肤图像的瑕疵点，包括：获取图像分类模型；将所述目标皮肤图像的瑕疵点输入所述图像分类模型，以使所述图像分类模型分类所述瑕疵点。

可选地，所述图像分类模型包括卷积神经网络框架模型；在获取图像分类模型之前，所述方法还包括：采集训练数据，所述训练数据包括若干张包含瑕疵点的样本皮肤图像；标注所述训练数据，以将所述若干张包含瑕疵点的样本皮肤图像进行归类；搭建并配置所述卷积神经网络框架模型；将标注后的训练数据输入配置后的卷积神经网络框架模型以训练并保存所述训练数据。

可选地，所述卷积神经网络框架模型包括LetNet-5模型；所述搭建所述卷积神经网络框架模型包括搭建所述LetNet-5模型，所述搭建所述LetNet-5模型具体包括：依次搭建输入层、第一卷积层、第一采样层、第二卷积层、第二采样层、第三卷积层、第一全连接层以及第二全连接层。

可选地，所述配置所述卷积神经网络框架模型包括配置所述 LetNet-5模型，配置所述LetNet-5模型包括：配置损失函数与优化函数；配置每批次样本皮肤图像的训练量与迭代次数。

可选地，所述损失函数为交叉熵损失函数。

可选地，在根据图像分类算法，分类所述目标皮肤图像的瑕疵点之后，所述方法还包括：统计每类瑕疵点的数量；根据所述每类瑕疵点的数量确定所述目标皮肤图像的瑕疵点严重程度。

可选地，在根据图像分类算法，分类所述目标皮肤图像的瑕疵点之后，所述方法还包括：在所述目标皮肤图像的瑕疵点处标注瑕疵点名称。

在第二方面，本申请实施例提供一种皮肤瑕疵点分类装置，包括：获取模块，用于获取包含瑕疵点的目标皮肤图像；分类模块，用于根据图像分类算法，分类所述目标皮肤图像的瑕疵点。

可选地，所述分类模块包括：获取单元，用于获取图像分类模型；输入单元，用于将所述目标皮肤图像的瑕疵点输入所述图像分类模型，以使所述图像分类模型分类所述瑕疵点。