[发明专利]一种数量确定方法及装置

说明书

本发明实施例提供一种数量确定方法及装置，包括：获取包括人脸的待识别图像；将待识别图像输入目标深度神经网络，获得人脸上的瑕疵数量；目标深度神经网络包括第一深度神经网络模块、乘法器和第二深度神经网络模块，第一深度神经网络模块用于确定人脸上瑕疵部位的掩模，乘法器用于将待识别图像的特征与掩模进行相乘，以获得瑕疵部位的特征，第二深度神经网络模块用于基于瑕疵部位的特征检测瑕疵。本发明实施例，可以提高数量确定效率。

技术领域

本发明涉及计算机技术领域，具体涉及一种数量确定方法及装置。

背景技术

人脸的皮肤好坏直接影响一个人的美丑，因此，爱美人士，尤其是年轻女性特别注重脸部皮肤的情况，以便通过脸部皮肤的情况能够对脸部皮肤进行更好地护理。目前，一种常用的数量确定方法为：对待测皮肤图像A进行灰度化处理得到图像B，图像B通过双边滤波和高斯模糊算法进行增强处理得到图像C，将获得的图像C与图像B进行差分运算得到图像D，图像D中灰度差值较大的区域即为瑕疵区域，统计瑕疵区域的数量为瑕疵数量。上述方法中需要六步才能确定瑕疵数量，处理过程比较繁琐，以致降低了数量确定效率。

发明内容

本发明实施例提供一种数量确定方法及装置，用于提高数量确定效率。

第一方面提供一种数量确定方法，包括：

获取包括人脸的待识别图像；

将所述待识别图像输入目标深度神经网络，获得所述人脸上的瑕疵数量；

所述目标深度神经网络包括第一深度神经网络模块、乘法器和第二深度神经网络模块，所述第一深度神经网络模块用于确定所述人脸上瑕疵部位的掩模，所述乘法器用于将所述待识别图像的特征与所述掩模进行相乘，以获得所述瑕疵部位的特征，所述第二深度神经网络模块用于基于所述瑕疵部位的特征检测瑕疵。

在一个实施例中，所述第一深度神经网络模块包括N层，所述待识别图像的特征为所述第一深度神经网络模块的所述N层中的任一层输出的所述待识别图像的特征，所述N为正整数。

在一个实施例中，所述待识别图像的特征为所述第一深度神经网络模块的第一层输出的所述待识别图像的特征。

在一个实施例中，所述将所述待识别图像输入目标深度神经网络，获得所述人脸上的瑕疵数量包括：

将所述待识别图像输入目标深度神经网络，获得所述人脸上所有待确定瑕疵的瑕疵概率；

在待确定瑕疵的瑕疵概率大于阈值的情况下，确定所述待确定瑕疵为瑕疵，所述待确定瑕疵为所述所有待确定瑕疵中的任一待确定瑕疵；

统计确定的瑕疵的数量为所述人脸上的瑕疵数量。

在一个实施例中，所述将所述待识别图像输入目标深度神经网络，获得所述人脸上所有待确定瑕疵的瑕疵概率包括：

将所述待识别图像输入目标深度神经网络，获得所述人脸上所有待确定瑕疵的瑕疵概率、部位概率和类别概率；

所述方法还包括：

将确定的瑕疵归类至所述类别概率最大的瑕疵类别；

将确定的瑕疵归类至所述部位概率最大的瑕疵部位；

统计所述人脸上所有瑕疵部位中每个瑕疵部位的瑕疵数量；

统计所述人脸上不同瑕疵类别的瑕疵数量；

统计所述人脸上所有瑕疵部位中每个瑕疵部位上不同瑕疵类别的瑕疵数量。

在一个实施例中，所述方法还包括：