[发明专利]基于神经网络模型进行屈光检测的方法、装置及存储介质

权利要求书

1.基于神经网络进行屈光检测的方法，其特征在于，所述方法，包括：

获取待测者的基本信息数据，并基于偏心摄影原理获取待测者的面部图像；

从所述面部图像中提取瞳孔图像及瞳孔位置；

将所述待测基本数据、瞳孔位置及瞳孔图像输入预先训练好的屈光检测神经网络模型，得到待测者的屈光检测数据；

所述预先训练好的神经网络模型包括数据输入端和图像输入端，所述数据输入端接收所述待测者基本数据及瞳孔位置，所述图像输入端用于输入所述瞳孔图像。

2.根据权利要求1所述的方法，其特征在于，所述预先训练好的屈光检测神经网络模型的训练方法，包括：

获取样本数据集，其中，样本数据集包括基本信息数据样本、与所述基本信息数据样本对应的瞳孔图像样本及瞳孔位置样本；

从所述样本数据集中选取一部分样本数据构成训练样本数据集，构建损失函数，调整预设屈光检测神经网络的输出；

当输出屈光检测数据的准确率满足预设要求时，确定当前对应的预设屈光检测神经网络为预先训练好的屈光检测神经网络；

其中，所述预先屈光检测神经网络经过训练，当输出准确率满足要求时，则确定为预先训练好的屈光检测神经网络。

3.根据权利要求2所述的方法，其特征在于，所述调整预设屈光检测神经网络的输出，包括：

设定自适应学习率；

当损失函数连续三次不下降时，便将学习使用率下降为原来的10％；以及

当损失函数较上一个epoch训练未下降，则设定连续10个epoch训练后终止训练。

4.根据权利要求1或2所述的方法，其特征在于，所述预先训练好的屈光检测神经网络模型，包括：

多层感知机网络层，用于接收并处理所述基本信息数据；

卷积神经网络层，用于接收待测者的瞳孔图像；

分支连接层，与所述多层感知机网络层、卷积神经网络层均连接，用于将所述基本信息数据及瞳孔图像合成形成多维数据；

全连接回归层，与所述分支连接层连接，用于对所述多维数据进行迭代回归，进而得到满足要求的屈光检测值；

输出层，与所述全连接回归层连接，用于输出屈光检测值。

5.根据权利要求4所述的方法，其特征在于，所述卷积神经网络，包括：

基础模块，由两个卷积层构成，其中，每个卷积层均采用relu或tanh函数激活；

若干个核心模块，每个核心模块包括深度可分离卷积模块、SE模块和残差神经网络；

输出模块，包括一个卷积层和一个池化层。

6.根据权利要求1所述的方法，其特征在于，

所述并基于偏心摄影原理获取待测者的面部图像，包括：

基于偏心摄影原理，获取一组待测者的面部图像；

所述从所述面部图像中提取瞳孔图像，包括：

对一组面部图像进行图像处理，得到瞳孔位置及瞳孔图像；

将一组瞳孔图像合成为一张多通道瞳孔图像作为预先训练好的屈光检测神经网络模型的输入图像。

7.基于神经网络进行屈光检测的装置，其特征在于，包括：

获取模块，用于获取待测者的基本信息数据，并基于偏心摄影原理获取待测者的面部图像；

提取模块，用于从所述面部图像中提取瞳孔图像及瞳孔位置；

处理模块，用于将所述待测基本数据、瞳孔位置及瞳孔图像输入预先训练好的屈光检测神经网络模型，得到待测者的屈光检测数据；

其中，所述预先训练好的神经网络模型包括数据输入端和图像输入端，所述数据输入端接收所述待测者基本数据及瞳孔位置，所述图像输入端用于输入所述瞳孔图像。