[發(fā)明專利]一種近視圖像深度學(xué)習(xí)識(shí)別模型訓(xùn)練方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010022825.9
• 申請(qǐng)日: 2020-01-09
• 公開(kāi)（公告）號(hào): CN111259743A
• 公開(kāi)（公告）日: 2020-06-09
• 發(fā)明（設(shè)計(jì)）人: 林浩添;楊雅涵;李睿揚(yáng);郭翀
• 申請(qǐng)（專利權(quán)）人: 中山大學(xué)中山眼科中心
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州潤(rùn)禾知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44446
• 代理人: 歐秋望

1.一種近視圖像深度學(xué)習(xí)識(shí)別模型訓(xùn)練方法，其特征在于，包括以下步驟：

采集眼外觀圖像；

對(duì)所述眼外觀圖像進(jìn)行預(yù)處理；

以人臉識(shí)別大數(shù)據(jù)庫(kù)VGG-Face中的人臉圖像作為第一訓(xùn)練數(shù)據(jù)，對(duì)VGG-16網(wǎng)絡(luò)模型進(jìn)行預(yù)訓(xùn)練；

以預(yù)處理后的所述眼外觀圖像作為第二訓(xùn)練數(shù)據(jù)，對(duì)預(yù)訓(xùn)練后的所述VGG-16網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到用于近視圖像識(shí)別的深度學(xué)習(xí)模型。

2.根據(jù)權(quán)利要求1所述的一種近視圖像深度學(xué)習(xí)識(shí)別模型訓(xùn)練方法，其特征在于，采集眼外觀圖像，具體包括：

在距離被采集者預(yù)設(shè)采集距離時(shí)，采集被采集者每只眼睛的三個(gè)角度的所述眼外觀圖像，所述三個(gè)角度分別為正側(cè)面、斜45度和正面。

3.根據(jù)權(quán)利要求2所述的一種近視圖像深度學(xué)習(xí)識(shí)別模型訓(xùn)練方法，其特征在于，所述預(yù)設(shè)采集距離為1m。

4.根據(jù)權(quán)利要求1至3任一項(xiàng)所述的一種近視圖像深度學(xué)習(xí)識(shí)別模型訓(xùn)練方法，其特征在于，所述采集眼外觀圖像的采集環(huán)境為室內(nèi)照明環(huán)境。

5.根據(jù)權(quán)利要求2至3所述的一種近視圖像深度學(xué)習(xí)識(shí)別模型訓(xùn)練方法，其特征在于，對(duì)眼外觀圖像進(jìn)行預(yù)處理，具體包括：

將三個(gè)角度的所述眼外觀圖像進(jìn)行歸一化處理整合為一張眼外觀圖像，并設(shè)定為固定分辨率。

6.根據(jù)權(quán)利要求1所述的一種近視圖像深度學(xué)習(xí)識(shí)別模型訓(xùn)練方法，其特征在于，以人臉識(shí)別大數(shù)據(jù)VGG-Face中的人臉圖像作為第一訓(xùn)練數(shù)據(jù)，對(duì)VGG-16網(wǎng)絡(luò)模型進(jìn)行預(yù)訓(xùn)練，具體包括：

采用Keras模型訓(xùn)練框架，以人臉識(shí)別大數(shù)據(jù)庫(kù)VGG-Face中的人臉圖像作為第一訓(xùn)練數(shù)據(jù)，對(duì)VGG-16網(wǎng)絡(luò)模型進(jìn)行預(yù)訓(xùn)練，生成模型參數(shù)。

7.根據(jù)權(quán)利要求6所述的一種近視圖像深度學(xué)習(xí)識(shí)別模型訓(xùn)練方法，其特征在于，以預(yù)處理后的所述眼外觀圖像作為第二訓(xùn)練數(shù)據(jù)，對(duì)預(yù)訓(xùn)練后的所述VGG-16網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，具體包括：

以預(yù)處理后的所述眼外觀圖像作為第二訓(xùn)練數(shù)據(jù)，將預(yù)訓(xùn)練所生成的所述模型參數(shù)作為初始模型參數(shù)，對(duì)所述VGG-16網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練。

8.根據(jù)權(quán)利要求1所述的一種近視圖像深度學(xué)習(xí)識(shí)別模型訓(xùn)練方法，其特征在于，采集眼外觀圖像，具體包括：

采集具有驗(yàn)光數(shù)據(jù)的眼外觀圖像。

9.根據(jù)權(quán)利要求8所述的一種近視圖像深度學(xué)習(xí)識(shí)別模型訓(xùn)練方法，其特征在于，以預(yù)處理后的所述眼外觀圖像作為第二訓(xùn)練數(shù)據(jù)，對(duì)預(yù)訓(xùn)練后的所述VGG-16網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，具體包括：

將所述驗(yàn)光數(shù)據(jù)作為圖像標(biāo)簽，按照等效球面鏡度數(shù)是否小于-0.50D作為是否近視的分類標(biāo)準(zhǔn)，以預(yù)處理后的所述眼外觀圖像作為第二訓(xùn)練數(shù)據(jù)，對(duì)預(yù)訓(xùn)練所生成的所述模型參數(shù)作為初始模型參數(shù)，對(duì)所述VGG-16網(wǎng)絡(luò)模型進(jìn)行二分類神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。

10.一種近視圖像深度學(xué)習(xí)識(shí)別模型訓(xùn)練系統(tǒng)，其特征在于，包括：

采集模塊，用于采集眼外觀圖像；

預(yù)處理模塊，用于對(duì)所述眼外觀圖像進(jìn)行預(yù)處理；

預(yù)訓(xùn)練模塊，用于以人臉識(shí)別大數(shù)據(jù)庫(kù)VGG-Face中的人臉圖像作為第一訓(xùn)練數(shù)據(jù)，對(duì)VGG-16網(wǎng)絡(luò)模型進(jìn)行預(yù)訓(xùn)練；

訓(xùn)練模塊，用于以預(yù)處理后的所述眼外觀圖像作為第二訓(xùn)練數(shù)據(jù)，對(duì)預(yù)訓(xùn)練后的所述VGG-16網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到用于近視圖像識(shí)別的深度學(xué)習(xí)模型。