一种皮肤瑕疵检测方法及装置制造方法及图纸

本申请实施例提供一种皮肤瑕疵检测方法及装置，所述方法包括:对包含皮肤瑕疵的待测试人脸图片进行预处理；预处理后的待测试人脸图片输入根据轻量化网络训练得到的瑕疵检测网络模型中，得到所述待测试人脸图片的特征图；根据所述待测试人脸图片的特征图，得到所述待测试人脸图片的瑕疵类别和瑕疵位置。采用本申请提供的轻量化网络训练得到的瑕疵检测网络模型对皮肤瑕疵进行检测，能够识别出皮肤瑕疵的类别和瑕疵所在位置，减少了计算机设备的内存消耗。

A Skin Defect Detection Method and Device

【技术实现步骤摘要】
一种皮肤瑕疵检测方法及装置
本申请涉及图像识别领域，具体而言，涉及一种皮肤瑕疵检测方法及装置。
技术介绍
对于人脸图像中的皮肤瑕疵检测，主要有两个步骤：瑕疵特征的提取和利用提取的特征进行瑕疵的分类与定位。其中，瑕疵特征的提取尤为重要，提取的速度与提取操作消耗的内存都是瑕疵特征提取效率的重要参考依据。目前，对于瑕疵特征提取的方案主要有两种，一种是手工特征提取，如采用尺度不变特征变换(Scale-invariantfeaturetransform，简称SIFT)和方向梯度直方图(HistogramofOrientedGradient,简称HOG)进行提取；另一种是卷积神经网络提取，如利用VGG(VisualGeometryGroupNetwork)网络和ResNet(ResidualNeuralNetwork)网络。当采用手工特征提取，其鲁棒性一般不够好，采用一般的卷积神经网络提取时，不仅耗用内存巨大，运行速度也十分缓慢。有鉴于此，如何实现对瑕疵特征的快速提取，是目前需要解决的问题。
技术实现思路
本申请提供一种皮肤瑕疵检测方法及装置。第一方面，本申请实施例提供一种皮肤瑕疵检测方法，应用于计算机设备，所述方法包括：对包含皮肤瑕疵的待测试人脸图片进行预处理；预处理后的待测试人脸图片输入根据轻量化网络训练得到的瑕疵检测网络模型中，得到所述待测试人脸图片的特征图；根据所述待测试人脸图片的特征图，得到所述待测试人脸图片的瑕疵类别和瑕疵位置。可选地，所述方法还包括训练得到所述瑕疵检测网络模型的步骤，该步骤包括：将待训练人脸图片经过预处理后输入以轻量化网络MobileNetV2为基本网络架构搭建的检测模型中，其中，所述待训练人脸图片中标注有皮肤瑕疵的瑕疵类别和瑕疵位置；采用所述待训练人脸图片对所述检测模型进行训练，并根据所述检测模型的损失函数的函数值对所述检测模型的超参数进行调整，将训练好的检测模型作为所述瑕疵检测网络模型。可选地，所述轻量化网络MobileNetV2包括输出的特征图依次减小的第一模块、第二模块、第三模块、第四模块和第五模块，所述方法还包括获取所述待训练人脸图片的特征图中的目标瑕疵信息的步骤，该步骤包括：将所述第四模块输出的第四特征图和第五模块输出的第五特征图融合后作为所述待训练人脸图片的特征图，其中，所述第四特征图由所述待训练人脸图片经过所述第一模块、第二模块、第三模块和第四模块依次处理后得到，所述第五特征图由所述待训练人脸图片经过所述第一模块、第二模块、第三模块、第四模块和第五模块依次处理后得到；采用锚点机制获取所述待训练人脸图片的特征图中的目标瑕疵信息。可选地，所述将所述第四模块输出的第四特征图和第五模块输出的第五特征图融合后作为所述待训练人脸图片的特征图，包括：通过所述第五模块对所述第四特征图进行双线性插值得到所述第五特征图；通过卷积缩减所述第五模块的通道数，以使所述第五特征图与第四特征图的通道数相同；将所述第四特征图与缩减通道数后的所述第五特征图逐像素相加，得到所述待训练人脸图片的特征图。可选地，所述采用锚点机制获取所述待训练人脸图片的特征图中的目标瑕疵信息，包括：根据所述待训练人脸图片的特征图，划分锚点的预测位置；根据所述待训练人脸图片的皮肤瑕疵大小，设置所述锚点的大小；通过设置大小后的所述锚点在所述预测位置获取所述待训练人脸图片的特征图中的目标瑕疵信息。第二方面，本申请实施例还提供一种皮肤瑕疵检测装置，应用于计算机设备，所述装置包括：处理模块，用于对包含皮肤瑕疵的待测试人脸图片进行预处理；输入模块，用于预处理后的待测试人脸图片输入根据轻量化网络训练得到的瑕疵检测网络模型中，得到所述待测试人脸图片的特征图；输出模块，用于根据所述待测试人脸图片的特征图，得到所述待测试人脸图片的瑕疵类别和瑕疵位置。可选地，所述皮肤瑕疵检测装置还包括：训练模块，用于将待训练人脸图片经过预处理后输入以轻量化网络MobileNetV2为基本网络架构搭建的检测模型中，其中，所述待训练人脸图片中标注有皮肤瑕疵的瑕疵类别和瑕疵位置；采用所述待训练人脸图片对所述检测模型进行训练，并根据所述检测模型的损失函数的函数值对所述检测模型的超参数进行调整，将训练好的检测模型作为所述瑕疵检测网络模型。可选地，所述轻量化网络MobileNetV2包括输出的特征图依次减小的第一模块、第二模块、第三模块、第四模块和第五模块，所述装置包括：融合模块，用于将所述第四模块输出的第四特征图和第五模块输出的第五特征图融合后作为所述待训练人脸图片的特征图，其中，所述第四特征图由所述待训练人脸图片经过所述第一模块、第二模块、第三模块和第四模块依次处理后得到，所述第五特征图由所述待训练人脸图片经过所述第一模块、第二模块、第三模块、第四模块和第五模块依次处理后得到；获取模块，用于采用锚点机制获取所述待训练人脸图片的特征图中的目标瑕疵信息。可选地，所述融合模块具体用于：通过所述第五模块对所述第四特征图进行双线性插值得到所述第五特征图；通过卷积缩减所述第五模块的通道数，以使所述第五特征图与第四特征图的通道数相同；将所述第四特征图与缩减通道数后的所述第五特征图逐像素相加，得到所述待训练人脸图片的特征图。可选地，所述获取模块具体用于：根据所述待训练人脸图片的特征图，划分锚点的预测位置；根据所述待训练人脸图片的皮肤瑕疵大小，设置所述锚点的大小；通过设置大小后的所述锚点在所述预测位置获取所述待训练人脸图片的特征图中的目标瑕疵信息。本申请实施例提供一种皮肤瑕疵检测的方法及装置，采用轻量化网络训练得到的瑕疵检测网络模型对皮肤瑕疵进行检测，能够快速准确地识别出皮肤瑕疵的类别和瑕疵所在位置，减少了计算机设备的内存消耗，提高了瑕疵检测网络模型的运行速度。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定。对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本申请实施例提供的计算机设备的结构框图；图2为本申请实施例提供的皮肤瑕疵检测方法的步骤流程示意框图；图3为本申请实施例提供的皮肤瑕疵检测方法的其他步骤流程示意框图；图4为本申请实施例提供的皮肤瑕疵检测方法的其他步骤流程示意框图；图5为图4中步骤S206的子步骤流程示意图；图6为图4中步骤S207的子步骤流程示意图；图7为本申请实施例提供的皮肤瑕疵检测装置的结构示意图。图标：100-计算机设备；110-皮肤瑕疵检测装置；111-存储器；112-处理器；113-通信单元；1101-处理模块；1102-输入模块；1103-输出模块；1104-训练模块；1105-融合模块；1106-获取模块。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表本文档来自技高网...

【技术保护点】
1.一种皮肤瑕疵检测方法，其特征在于，应用于计算机设备，所述方法包括：对包含皮肤瑕疵的待测试人脸图片进行预处理；预处理后的待测试人脸图片输入根据轻量化网络训练得到的瑕疵检测网络模型中，得到所述待测试人脸图片的特征图；根据所述待测试人脸图片的特征图，得到所述待测试人脸图片的瑕疵类别和瑕疵位置。

【技术特征摘要】
1.一种皮肤瑕疵检测方法，其特征在于，应用于计算机设备，所述方法包括：对包含皮肤瑕疵的待测试人脸图片进行预处理；预处理后的待测试人脸图片输入根据轻量化网络训练得到的瑕疵检测网络模型中，得到所述待测试人脸图片的特征图；根据所述待测试人脸图片的特征图，得到所述待测试人脸图片的瑕疵类别和瑕疵位置。2.根据权利要求1所述的方法，其特征在于，所述方法还包括训练得到所述瑕疵检测网络模型的步骤，该步骤包括：将待训练人脸图片经过预处理后输入以轻量化网络MobileNetV2为基本网络架构搭建的检测模型中，其中，所述待训练人脸图片中标注有皮肤瑕疵的瑕疵类别和瑕疵位置；采用所述待训练人脸图片对所述检测模型进行训练，并根据所述检测模型的损失函数的函数值对所述检测模型的超参数进行调整，将训练好的检测模型作为所述瑕疵检测网络模型。3.根据权利要求2所述的方法，其特征在于，所述轻量化网络MobileNetV2包括输出的特征图依次减小的第一模块、第二模块、第三模块、第四模块和第五模块，所述方法还包括获取所述待训练人脸图片的特征图中的目标瑕疵信息的步骤，该步骤包括：将所述第四模块输出的第四特征图和第五模块输出的第五特征图融合后作为所述待训练人脸图片的特征图，其中，所述第四特征图由所述待训练人脸图片经过所述第一模块、第二模块、第三模块和第四模块依次处理后得到，所述第五特征图由所述待训练人脸图片经过所述第一模块、第二模块、第三模块、第四模块和第五模块依次处理后得到；采用锚点机制获取所述待训练人脸图片的特征图中的目标瑕疵信息。4.根据权利要求3所述的方法，其特征在于，所述将所述第四模块输出的第四特征图和第五模块输出的第五特征图融合后作为所述待训练人脸图片的特征图，包括：通过所述第五模块对所述第四特征图进行双线性插值得到所述第五特征图；通过卷积缩减所述第五模块的通道数，以使所述第五特征图与第四特征图的通道数相同；将所述第四特征图与缩减通道数后的所述第五特征图逐像素相加，得到所述待训练人脸图片的特征图。5.根据权利要求3所述的方法，其特征在于，所述采用锚点机制获取所述待训练人脸图片的特征图中的目标瑕疵信息，包括：根据所述待训练人脸图片的特征图，划分锚点的预测位置；根据所述待训练人脸图片的皮肤瑕疵大小，设置所述锚点的大小；通过设置大小后...

【专利技术属性】
技术研发人员：杨小栋，黄炜，王喆，张伟，许清泉，
申请(专利权)人：厦门美图之家科技有限公司，
类型：发明
国别省市：福建,35