[发明专利]基于深度学习的检测面部皮肤片状缺陷的方法及装置

说明书

本发明提供一种基于深度学习的检测面部皮肤片状缺陷的方法及装置，其中本发明的方法包括：获取已标注面部皮肤片状缺陷的样本图像；从样本图像中提取预设尺寸的阴性图像块样本以及预设片状缺陷标签对应的阳性图像块样本；构建面部皮肤片状缺陷分类任务的卷积神经网络，然后利用由阴性图像块样本和阳性图像块样本组成的训练集进行训练，得到分类模型；将待测图像切割成预设尺寸的测试图像块后输入分类模型，得到各个测试图像块对应的分类标签以及分类置信概率；根据所有测试图像块对应的分类标签以及分类置信概率，在待测图像上标出预设片状缺陷的位置。

技术领域

本发明涉及一种计算机及软件技术领域，具体涉及一种基于深度学习的检测面部皮肤片状缺陷的方法及装置。

背景技术

随着生活水平的提高，大众开始追求面部皮肤的美丽健康。常见的面部皮肤缺陷根据形状、面积和分布，大致可以划分为面部皮肤片状缺陷和面部皮肤点状缺陷两类。其中面部皮肤片状缺陷包括色斑(包括真皮斑、老年斑、雀斑、黄褐斑)、过敏潮红、红血丝等范围较大、形状较不规则的皮肤问题。

现有的针对面部皮肤片状缺陷的计算机图像识别技术主要基于传统算法，通过分析简单的形态学特征，例如颜色和亮度，对面部皮肤片状缺陷进行检测，能够较快地得到分析结果，但是这类方法对图像的处理不准确、鲁棒性差，易受毛发、光照条件和拍摄角度等因素的影响，仅能粗略判断疑似皮肤缺陷位置，无法确定皮肤缺陷的类型(比如区分各种色斑)，仅作为美容产品的推销手段，无法为皮肤缺陷的评估和治疗提供科学严谨的参考。

发明内容

有鉴于此，本发明提供一种基于深度学习的检测面部皮肤片状缺陷的方法及装置，能够解决现有技术的无法为皮肤缺陷的评估和治疗提供科学严谨参考的技术问题。

为实现上述目的，根据本发明的一个方面，提供了一种基于深度学习的检测面部皮肤片状缺陷的方法，包括：获取已标注面部皮肤片状缺陷的样本图像；从所述样本图像中提取预设尺寸的阴性图像块样本以及预设片状缺陷标签对应的阳性图像块样本；构建面部皮肤片状缺陷分类任务的卷积神经网络，然后利用由所述阴性图像块样本和所述阳性图像块样本组成的训练集进行训练，得到分类模型；将待测图像切割成所述预设尺寸的测试图像块后输入所述分类模型，得到各个所述测试图像块对应的分类标签以及分类置信概率；根据所有所述测试图像块对应的分类标签以及分类置信概率，在所述待测图像上标出所述预设片状缺陷的位置。

可选地，所述预设片状缺陷标签为以下的一种或多种的组合：真皮斑、老年斑、雀斑、黄褐斑、过敏潮红、红血丝。

可选地，还包括：对所述样本图像和所述待测图像进行预处理，其中，所述预处理包括：提取有效皮肤区域；和/或，进行亮度均一化。

可选地，还包括：获取所述阴性图像样本块对应位置信息，以及获取所述阳性图像块样本对应位置信息；将所述阴性图像样本块对应位置信息和所述阳性图像块样本对应位置信息插入所述卷积神经网络的全连接层。

可选地，所述预设尺寸为32*32至256*256。

为实现上述目的，根据本发明的另一个方面，还提出一种基于深度学习的检测面部皮肤缺陷的装置，包括：获取模块，用于获取已标注面部皮肤片状缺陷的样本图像；采样模块，用于从所述样本图像中提取预设尺寸的阴性图像块样本以及预设片状缺陷标签对应的阳性图像块样本；建模模块，用于构建面部皮肤片状缺陷分类任务的卷积神经网络，然后利用由所述阴性图像块样本和所述阳性图像块样本组成的训练集进行训练，得到分类模型；分类模块，用于将待测图像切割成所述预设尺寸的测试图像块后输入所述分类模型，得到各个所述测试图像块对应的分类标签以及分类置信概率；整合模块，用于根据所有所述测试图像块对应的分类标签以及分类置信概率，在所述待测图像上标出所述预设片状缺陷的位置。

可选地，所述预设片状缺陷标签为以下的一种或多种的组合：真皮斑、老年斑、雀斑、黄褐斑、过敏潮红、红血丝。