-
公开(公告)号：CN118097746A
公开(公告)日：2024-05-28
申请号：CN202410201075.X
申请日：2024-02-23
Applicant: 深圳市宗匠科技有限公司
Abstract: 本申请涉及一种斑点分类方法、装置、计算机设备和存储介质。方法包括：获取针对目标对象的目标部位采集的点云数据集和原始图像；确定原始图像中目标部位上的斑点的位置和斑点的轮廓；根据原始图像生成颜色模式图像；根据原始图像中目标部位上的斑点的位置和斑点的轮廓，确定颜色模式图像中目标部位上的斑点的位置和斑点的轮廓；根据颜色模式图像中目标部位上的斑点的位置和斑点的轮廓，确定颜色模式图像中目标部位上的斑点的颜色信息；根据颜色模式图像中目标部位上的斑点的颜色信息，确定原始图像中目标部位上的斑点的类别，控制激光发射器对目标部位上的可激光祛除斑点进行激光祛除。采用本方法能够对皮肤斑点精准祛除。
-
公开(公告)号：CN117392734B
公开(公告)日：2024-05-14
申请号：CN202311696527.8
申请日：2023-12-12
Applicant: 深圳市宗匠科技有限公司
IPC: G06V40/16
Abstract: 本申请涉及一种面部数据处理方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取目标对象对应的面部点云数据；从面部点云数据中，提取待检测部位对应的多个参考特征点；基于各个参考特征点建立空间坐标系；空间坐标系中包括定位坐标轴和面部高度坐标轴；基于面部点云数据中各个面部点在面部高度坐标轴上分别对应的面部高度，从各个面部点中确定待检测部位对应的部位特征点；基于部位特征点在定位坐标轴上对应的坐标值，确定目标对象针对待检测部位的检测结果。采用本方法能够提高面部特征检测的效率。
-
公开(公告)号：CN117649695B
公开(公告)日：2024-04-12
申请号：CN202410122713.9
申请日：2024-01-30
Applicant: 深圳市宗匠科技有限公司
IPC: G06V40/16 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0475 , G06N3/084 , G06N3/094
Abstract: 本申请实施例公开了一种人脸图像生成方法、装置、设备及存储介质，包括：获取至少两个初始人脸图像集，并根据各初始人脸图像集构建对应的初始人脸训练样本集；通过各初始人脸训练样本集分别对初始人脸图像生成模型进行训练，确定各异常状态等级对应的人脸图像生成模型；基于各人脸图像生成模型分别生成与各异常状态等级对应的异常状态人脸数据集，并根据各异常状态人脸数据集，以及预获取的健康状态人脸数据集生成人脸异常分类模型；通过预获取的人脸异常分类测试集对人脸异常分类模型进行测试，根据测试结果确定与各异常状态等级对应的目标人脸图像生成模型。提升了生成人脸图像的真实性，以及生成人脸图像中可包含的皮肤问题类型。
-
公开(公告)号：CN117649683B
公开(公告)日：2024-04-09
申请号：CN202410122717.7
申请日：2024-01-30
Applicant: 深圳市宗匠科技有限公司
IPC: G06V40/10 , G06V10/44 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种痤疮分级方法、装置、设备及存储介质。通过提供一种痤疮分级模型的自主学习方法，将无标签的预训练样本图像集输入初始模型的第一特征提取网络和第二特征提取网络；根据第一特征提取网络输出的第一预训练样本特征集以及第二特征提取网络输出的第二预训练样本特征集，以及从数据库中获取的目标预训练样本特征集确定目标相似矩阵；根据目标相似矩阵计算得到的损失函数值对初始模型中的网络参数进行调整，获得优化初始模型；选取优化初始模型中的其中一个特征提取网络构造预训练模型；将具有标签数据的训练样本图像集训练预训练模型得到目标痤疮分级模型，加强了模型的特征学习能力，提高了痤疮分级准确度。
-
公开(公告)号：CN117392733A
公开(公告)日：2024-01-12
申请号：CN202311686743.4
申请日：2023-12-11
Applicant: 深圳市宗匠科技有限公司
IPC: G06V40/16 , G06V10/75 , G06V10/764 , G06V10/56
Abstract: 本发明公开了一种痤疮分级检测方法、装置、电子设备及存储介质；该方法包括：获取待处理人脸图像，基于待处理人脸图像确定皮肤参考像素值；根据皮肤参考像素值对待处理人脸图像中像素点的像素值进行变换，得到变换后的像素值；根据各变换后的像素值确定正向归一化参数和负向归一化参数；针对每个变换后的像素值，判断像素值是否满足正向归一化条件，若是，将像素值与所述正向归一化参数的比值的绝对值确定为目标像素值；否则，将像素值与所述负向归一化参数的比值的绝对值确定为目标像素值；基于各目标像素值确定目标人脸图像；对目标人脸图像进行痤疮检测，得到痤疮分级，解决了痤疮分级检测时检测不准确的问题，提高痤疮分级的准确性。
-
Patent Agency Ranking
公开(公告)号：CN117351307A
公开(公告)日：2024-01-05
申请号：CN202311658594.0
申请日：2023-12-06
Applicant: 深圳市宗匠科技有限公司
IPC: G06V10/774 , G06V40/16 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种模型训练方法、装置、设备及存储介质。该方法包括：获取图像样本集，其中，所述图像样本集包括：面部图像样本、面部图像样本对应的痤疮等级以及面部图像样本对应的痤疮数量；基于所述图像样本集训练第一模型，得到目标模型，其中，所述第一模型包括：PoolFormer网络、第一分支全连接层以及第二分支全连接层，PoolFormer网络位于所述第一分支激活层和第二分支激活层之前，所述PoolFormer网络包括：至少两个PoolFormer块。通过本发明的技术方案，能够实现通过目标模型同时对痤疮的严重程度进行分级，并预测病变数量，根据预测概率分布将严重程度进行打分，为痤疮的诊断提供依据，准确率更高，鲁棒性更强，解释性强。
-
公开(公告)号：CN117064346A
公开(公告)日：2023-11-17
申请号：CN202311351553.7
申请日：2023-10-18
Applicant: 深圳市宗匠科技有限公司
Abstract: 本申请提供了一种智能皮肤护理方法、设备和介质，所述智能皮肤护理方法包括：将待护理部位分为多个目标区域，并在护理罩上设置检测光源以及多与各个目标区域分别对应的多个颜色传感器和多个护理单元，在控制检测光源照射待护理部位时，控制各颜色传感器分别对各目标区域进行皮肤颜色采集，以得到各目标区域对应的RGB值，并根据各RGB值，确定表征各目标区域的肤色值，以获得基于各肤色值确定的各护肤方案，从而根据各护肤方案控制各护理单元执行相应的皮肤护理动作。因此，所述智能皮肤护理方法可实现对各目标区域皮肤的精准检测，并准确的分析出各目标区域的皮肤健康状态，进而为各目标区域匹配更有针对性的护肤方案，护肤效果较佳。
-
公开(公告)号：CN116473520B
公开(公告)日：2024-10-29
申请号：CN202310566310.9
申请日：2023-05-18
Applicant: 深圳市宗匠科技有限公司
IPC: A61B5/00
Abstract: 本申请提供一种电子设备及其肤质分析方法和装置。肤质分析方法包括步骤：控制摄像装置采集目标皮肤处的视频流，视频流包括预设时间段内的若干帧图像；从视频流的若干帧图像中选出符合图像质量要求的至少一帧图像作为至少一帧目标图像；根据至少一帧目标图像进行肤质分析得到肤质分析结果；以及，输出肤质分析结果。从而，开放环境下，实时采集视频流，而非静置采集图片，做到高效、无感采集，提升用户体验；而且，所有用于肤质分析的图像，能控制在同一质量水平之上，提升肤质分析结果的稳定性及可比性，去除因图像本身质量问题所带来的噪声问题，提高肤质分析准确度。
-
公开(公告)号：CN117912085B
公开(公告)日：2024-06-14
申请号：CN202410309648.0
申请日：2024-03-19
Applicant: 深圳市宗匠科技有限公司
Abstract: 本发明实施例提供了一种模型训练方法、人脸关键点定位方法、装置、设备及介质，该方法在特征提取模型的骨干网络中引入一种注意力方式可以得到训练样本图像的多个尺度特征，同时基于注意力掩膜分支网络可以得到各向异性的注意力掩膜，集中在关键点的区域及其相邻点连接的局部边缘上，从而优化关键点定位误差。另外，在模型训练时，借鉴了时序中人脸面部的变化，采用一种相对坐标损失函数，一起与绝对坐标损失函数联合训练模型，让模型更多的关注到时序中人脸关键点的稳定性，从而减小关键点定位误差，提高模型进行关键点定位的准确性。
-
公开(公告)号：CN117611580B
公开(公告)日：2024-05-24
申请号：CN202410074197.7
申请日：2024-01-18
Applicant: 深圳市宗匠科技有限公司
Abstract: 本申请涉及一种瑕疵检测方法、装置、计算机设备和存储介质。方法包括：通过第一权重矩阵对待检测图像进行特征提取得到瑕疵数量卷积特征图，通过第二权重矩阵对待检测图像进行特征提取得到瑕疵等级卷积特征图；对瑕疵数量卷积特征图进行全局最大池化处理，对瑕疵等级卷积特征图进行全局平均池化处理；将瑕疵数量池化特征图和瑕疵等级池化特征图分别进行展平拉直处理；将瑕疵数量特征向量转换成瑕疵数量概率分布特征向量，将瑕疵等级特征向量转换成瑕疵等级概率分布特征向量；根据瑕疵数量概率分布特征向量和瑕疵等级概率分布特征向量，确定目标部位的瑕疵检测结果。可以提高对瑕疵进行计数和分级的准确性。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.04 seconds)
