一种皮肤瑕疵点分类方法及电子设备技术

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。

【技术实现步骤摘要】
【国外来华专利技术】一种皮肤瑕疵点分类方法及电子设备
本申请涉及皮肤检测
，特别是涉及一种皮肤瑕疵点分类方法及电子设备。
技术介绍
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。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。可选地，所述图像分类模型包括卷积神经网络框架模型；所述装置还包括：采集模块，用于采集训练数据，所述训练数据包括若干张包含瑕疵点的样本皮肤图像；第一标注模块，用于标注所述训练数据，以将所述若干张包含瑕疵点的样本皮肤图像进行归类；搭建配置模块，用于搭建并配置所述卷积神经网络框架模型；输入模块，用于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；所述搭建配置模块具体用于：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，所述搭建配置模块具体用于：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，所述装置还包括：统计模块，用于统计每类瑕疵点的数量；确定模块，用于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，所述装置还包括：第二标注模块，用于在所述目标皮肤图像的瑕疵点处标注瑕疵点名称。在第三方面，本申请实施例提供一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够用于执行任一项所述的皮肤瑕疵点分类方法。在第四方面，本申请实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使电子设备执行任一项所述的皮肤瑕疵点分类方法。在本申请各个实施例中，通过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。附图说明一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。图1是本申请实施例提供一种基于图像分类模型对输入保护瑕疵点的目标皮肤图像进行分类的示意图；图2是本申请实施例提供一种从样本皮肤图像截取出包含瑕疵点的各个图片的示意图；图3是本申请实施例提供一种瑕疵点为黑斑的各个表现形态示意图；图4是本申请实施例提供一种LetNet-5模型的框架示意图；图5是本申请实施例提供一种电子设备的结构示意图；图6是本申请实施例提供一种皮肤瑕疵点分类装置的结构示意图；图7是本申请实施例提供一种分类模块的结构示意图；图8是本申请另一实施例提供一种皮肤瑕疵点分类装置的结构示意图；图9是本申请又另一实施例提供一种皮肤瑕疵点分类装置的结构示意图；图10是本申请又另一实施例提供一种皮肤瑕疵点分类装置的结构示意图；图11是本申请实施例提供一种皮肤瑕疵点分类方法的流程示意图；图12是本申请实施例提供一种步骤72的流程示意图；图13是本申请另一实施例提供一种皮肤瑕疵点分类方法的流程示意图；图14是本申请又另一实施例提供一种皮肤瑕疵点分类方法的流程示意图；图15是本申请又另一实施例提供一种皮肤瑕疵点分类方法的流程示意图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。随着生活水平的提高，人们对美容护肤的关注度日益增强。当人们需要对皮肤上出现的瑕疵点进行分类时，大部分人们求助于专业临床皮肤医师。专业临床皮肤医师根据专业知识，主观性地辨认皮肤上的瑕疵点的类型以及给予出专业治疗意见。然而，瑕疵点的类型的分类与医师的专业水平能力具有正相关性，当医师的专业水平能力一般时，其给予出的专业治疗意见是不够准确的，因此，此类瑕疵点分类方法存在一定的风险。为了提供客观的瑕疵点判断数据，如前所述，传统技术提出的瑕疵点检测技术能够检测出瑕疵点的数量，但是未能够识别出瑕疵点的类别。基于上述的各类缺陷，本申请实施例提供一种电子设备，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。首先，电子设备获取包含瑕疵点的目标皮肤图像。在本实施例中，瑕疵点具有不同的种类，其可以包括痤疮、痘印、痘坑、黑斑、本文档来自技高网...

【技术保护点】
1.一种皮肤瑕疵点分类方法，其特征在于，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。

【技术特征摘要】
【国外来华专利技术】1.一种皮肤瑕疵点分类方法，其特征在于，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。2.根据权利要求1所述的方法，其特征在于，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。3.根据权利要求2所述的方法，其特征在于，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。4.根据权利要求3所述的方法，其特征在于，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。5.根据权利要求4所述的方法，其特征在于，所述配置所述卷...

【专利技术属性】
技术研发人员：林丽梅，
申请(专利权)人：深圳和而泰智能控制股份有限公司，
类型：发明
国别省市：广东,44