[發(fā)明專利]基于深度卷積神經(jīng)網(wǎng)絡的毛囊檢測方法

在審

• 申請?zhí)枺?/td>: 202011150443.0
• 申請日: 2020-10-23
• 公開（公告）號: CN112308827A
• 公開（公告）日: 2021-02-02
• 發(fā)明（設計）人: 顏波;吳文育;凌宇;楊凱;李吉春;林盡染
• 申請（專利權）人: 復旦大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 上海正旦專利代理有限公司 31200
• 代理人: 陸飛;陸尤

1.一種基于深度卷積神經(jīng)網(wǎng)絡的毛囊檢測方法，其特征在于，具體步驟為：

（1）毛囊圖像數(shù)據(jù)增強；

對毛囊圖像進行水平方向、豎直方向以及同時兩個方向上的翻轉(zhuǎn)，得到3張翻轉(zhuǎn)后的圖像；在原圖像及翻轉(zhuǎn)后的圖像中，隨機裁剪若干張0.2~0.5倍圖像尺寸的圖像塊，并統(tǒng)一縮放至長800像素、寬1300像素；

（2）用毛囊檢測網(wǎng)絡提取候選框；

將待檢測的毛囊圖像輸入經(jīng)過訓練的毛囊檢測網(wǎng)絡，該毛囊檢測網(wǎng)絡為一深度卷積神經(jīng)網(wǎng)絡；通過前向傳播得到若干個候選框及其置信度；候選框的表示形式為其左上角及右下角的二維坐標，代表圖像中的一個區(qū)域；置信度表示一個值為0至1的評分，其意義為對應候選框?qū)儆诿业母怕剩?/p>

（3）檢測結果后處理；

對毛囊檢測網(wǎng)絡所得的若干檢測結果，舍棄置信度小于0.05的候選框，將其認為是背景即非毛囊區(qū)域，隨后將候選框按置信度從高到低排序，最多保留置信度最高的10000個候選框；在剩余候選框中進行非極大值抑制，即若某個候選框與另一個置信度比其高的候選框交并比大于0.1，則舍棄這個候選框；經(jīng)過上述篩選后所得的候選框即是最終的檢測結果。

2.根據(jù)權利要求1所述的毛囊檢測方法，其特征在于，所述毛囊檢測網(wǎng)絡的模型結構為：采用ResNet50為特征提取主干網(wǎng)絡，將最深層特征通過上采樣、跳躍連接、卷積核大小為3的卷積層組成特征金字塔，其中每層特征通過5層卷積核大小為3的卷積層獲得注意力圖，與特征相乘后通過兩條支路分別得到分類及外包圍盒，其中每條支路皆由5層卷積核大小為3的卷積層構成。

3.根據(jù)權利要求2所述的毛囊檢測方法，其特征在于，所述毛囊檢測網(wǎng)絡，有50%概率采用圖像塊對應的原圖縮放至長800像素、寬1300像素后所得圖像作為樣本訓練；訓練時，設初始學習率為0.00001，批的大小設為2，用小批量隨機梯度下降的方法最小化損失函數(shù)。