[发明专利]基于深度学习实例分割的色斑痤疮检测与健康评价方法

权利要求书

1.一种基于深度学习实例分割的色斑痤疮检测与健康评价方法，其特征在于，所述方法包括采集健康问题人脸图像并标注、训练色斑痤疮实例分割模型、检测分割色斑及痤疮、评价人脸健康程度；具体步骤如下：

A采集色斑痤疮人脸正面图像I_face，标注正面人脸中存在的色斑I_stain和痤疮I_acne，形成块状人脸健康问题数据集D_lump；

B训练色斑痤疮实例分割模型，使用二段通道选择预训练方法，先从ImageNet图像分类数据集D_Cls训练主干网络η_main，再从ISIC公布的病灶边界分割数据集D_LBS训练实例分割模型m_pretrained；在块状人脸健康问题数据集D_lump上，选择实例分割模型m_pretrained最优3个通道得到m_{pretrained_3}，再训练得到色斑痤疮实例分割模型η_detect；

C采集用户人脸正面图像，由色斑痤疮实例分割模型η_detect检测分割得色斑分布图痤疮分布图获得人脸色斑、痤疮的位置和面积数据；

D根据皮肤问题数量、所处人脸分区及集中程度评价人脸健康程度。

2.如权利要求1所述的基于深度学习实例分割的色斑痤疮检测与健康评价方法，其特征在于，所述步骤B中在块状人脸健康问题数据集D_lump上，选择实例分割模型m_pretrained通道，并删除多余通道得到m_{pretrained_n}，包括：

设实例分割数据集D_Instance共有N_cls种识别对象，若输入人脸正面图像I_face解析度为X_in×Y_in，实例分割模型m_pretrained输出为X_in×Y_in×N_cls的识别结果矩阵I_output；

在块状人脸健康问题数据集D_lump上，有色斑、痤疮、背景识别对象，则实例分割模型η_detect输出为X_in×Y_in×3的识别结果矩阵I_detect；根据最终卷积层的计算特性，选择最佳3个通道得到m_{pretrained_3}；

设m_pretrained结果的识别输出第n个通道输出概率图记为I_{output_n}，则最适合用于色斑检测分割的通道n_stain为：

式中，f_pixnum(I)为计数函数，代表I所具有像素值为1的数量；

同理，最适合用于痤疮检测分割的通道n_acne为：

同理，最适合用于背景分割的通道n_BG为：

3.如权利要求1所述的基于深度学习实例分割的色斑痤疮检测与健康评价方法，其特征在于，所述步骤C中采集用户人脸正面图像，由色斑痤疮实例分割模型η_detect检测分割得色斑分布图可以获得色斑数量N_stain，并有第i个色斑面积A_{stain_i}、位置(x_{stain_i},y_{stain_i})；

由色斑痤疮实例分割模型η_detect检测分割得痤疮分布图可以获得痤疮数量N_acne，并有第i个痤疮面积A_{acne_i}、位置(x_{acne_i},y_{acne_i})。