[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

摘要

本发明公开了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，包括：采集色斑痤疮人脸正面图像，标注正面人脸中存在的色斑和痤疮，形成块状人脸健康问题数据集；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DCls训练主干网络，再从ISIC公布的病灶边界分割数据集DLBS训练实例分割模型；在块状人脸健康问题数据集上，选择实例分割模型最优3个通道得到，再训练得到色斑痤疮实例分割模型；采集用户人脸正面图像，由色斑痤疮实例分割模型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；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。

主权项

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；具体方法如下：/nA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；/nB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；/nC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；/nD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。/n