[发明专利]一种近视图像深度学习识别模型训练方法及系统

权利要求书

1.一种近视图像深度学习识别模型训练方法，其特征在于，包括以下步骤：

采集眼外观图像；

对所述眼外观图像进行预处理；

以人脸识别大数据库VGG-Face中的人脸图像作为第一训练数据，对VGG-16网络模型进行预训练；

以预处理后的所述眼外观图像作为第二训练数据，对预训练后的所述VGG-16网络模型进行训练，得到用于近视图像识别的深度学习模型。

2.根据权利要求1所述的一种近视图像深度学习识别模型训练方法，其特征在于，采集眼外观图像，具体包括：

在距离被采集者预设采集距离时，采集被采集者每只眼睛的三个角度的所述眼外观图像，所述三个角度分别为正侧面、斜45度和正面。

3.根据权利要求2所述的一种近视图像深度学习识别模型训练方法，其特征在于，所述预设采集距离为1m。

4.根据权利要求1至3任一项所述的一种近视图像深度学习识别模型训练方法，其特征在于，所述采集眼外观图像的采集环境为室内照明环境。

5.根据权利要求2至3所述的一种近视图像深度学习识别模型训练方法，其特征在于，对眼外观图像进行预处理，具体包括：

将三个角度的所述眼外观图像进行归一化处理整合为一张眼外观图像，并设定为固定分辨率。

6.根据权利要求1所述的一种近视图像深度学习识别模型训练方法，其特征在于，以人脸识别大数据VGG-Face中的人脸图像作为第一训练数据，对VGG-16网络模型进行预训练，具体包括：

采用Keras模型训练框架，以人脸识别大数据库VGG-Face中的人脸图像作为第一训练数据，对VGG-16网络模型进行预训练，生成模型参数。

7.根据权利要求6所述的一种近视图像深度学习识别模型训练方法，其特征在于，以预处理后的所述眼外观图像作为第二训练数据，对预训练后的所述VGG-16网络模型进行训练，具体包括：

以预处理后的所述眼外观图像作为第二训练数据，将预训练所生成的所述模型参数作为初始模型参数，对所述VGG-16网络模型进行训练。

8.根据权利要求1所述的一种近视图像深度学习识别模型训练方法，其特征在于，采集眼外观图像，具体包括：

采集具有验光数据的眼外观图像。

9.根据权利要求8所述的一种近视图像深度学习识别模型训练方法，其特征在于，以预处理后的所述眼外观图像作为第二训练数据，对预训练后的所述VGG-16网络模型进行训练，具体包括：

将所述验光数据作为图像标签，按照等效球面镜度数是否小于-0.50D作为是否近视的分类标准，以预处理后的所述眼外观图像作为第二训练数据，对预训练所生成的所述模型参数作为初始模型参数，对所述VGG-16网络模型进行二分类神经网络的训练。

10.一种近视图像深度学习识别模型训练系统，其特征在于，包括：

采集模块，用于采集眼外观图像；

预处理模块，用于对所述眼外观图像进行预处理；

预训练模块，用于以人脸识别大数据库VGG-Face中的人脸图像作为第一训练数据，对VGG-16网络模型进行预训练；

训练模块，用于以预处理后的所述眼外观图像作为第二训练数据，对预训练后的所述VGG-16网络模型进行训练，得到用于近视图像识别的深度学习模型。