申请/专利权人：广州中科医疗美容仪器有限公司

申请日：2023-12-29

公开（公告）日：2024-03-08

公开（公告）号：CN117558055B

主分类号：G06V40/16

分类号：G06V40/16;G06N3/0455;G06N3/084;G06V10/26;G06V10/80;G06V10/82;G10L25/48;G10L25/30

优先权：

专利状态码：有效-授权

法律状态：2024.03.08#授权;2024.03.01#实质审查的生效;2024.02.13#公开

摘要：本申请涉及图像处理领域，尤其涉及一种基于多模态的肌肤作业控制方法，方法包括步骤：统计带有标签的激光波长数据及采集的历史面部图像、历史语音信息生成肌肤作业数据集；提取历史语音信息的语音特征；构建深度学习模型并根据深度学习模型将历史面部图像划分为多个区域，提取区域中历史面部图像的图像特征，将图像特征与语音特征融合生成融合特征；根据肌肤作业数据集训练深度学习模型获得最优模型；响应于实时面部图像及实时语音信息被获取，根据最优模型控制每个区域的激光波长。本申请结合语音和图像数据，根据人体肌肤的区域设置最佳激光波长，提高肌肤作业的效果及智能化。

主权项：1.基于多模态的肌肤作业控制方法，其特征在于，包括步骤：对激光波长数据设置标签，激光波长数据中的每个激光波长对应至少一个波长功能；统计带有标签的激光波长数据及采集的历史面部图像、历史语音信息生成肌肤作业数据集；根据预设的神经网络模型，提取历史语音信息的语音特征；构建深度学习模型，根据深度学习模型将历史面部图像划分为多个区域，深度学习模型中设置有编码层及全连接层，编码层提取历史面部图像的图像特征并将图像特征与语音特征融合生成融合特征，融合特征输入全连接层，全连接层输出每个区域的激光波长数据及标签；根据肌肤作业数据集训练所述深度学习模型获得最优模型，训练过程中的损失函数为： ，其中，表示损失函数，表示区域的标签值，表示区域的预测值，表示区域的预测值，表示区域的总数，表示预设的权重系数，表示区域的融合特征，表示区域的融合特征，表示预设的常数；响应于实时面部图像及实时语音信息被获取，根据最优模型控制每个区域的激光波长；根据肌肤作业数据集训练所述深度学习模型获得最优模型，包括步骤：在深度学习模型中输入划分区域后的历史热力图、历史彩色图及语音信息，输出每个区域的激光波长数据及标签；计算损失函数，根据损失函数使用梯度下降算法更新模型参数，完成一次迭代训练；进行多次迭代训练，根据损失函数的梯度反向传播更新深度学习模型的参数；响应于迭代训练的次数大于预设的训练次数阈值或损失函数值小于预设的损失函数阈值时，完成训练，生成最优模型；历史语音信息为采集的历史数据中使用声音传感器采集的用户在进行肌肤作业时用户语音信息及肌肤作业的设备语音信息；历史语音信息包括用户语音信息及设备语音信息，用户语音信息及设备语音信息通过神经网络模型，提取语音特征，以去除与肌肤作业无关的语音信息，语音特征为文本的形式存储。

全文数据：

权利要求：

百度查询： 广州中科医疗美容仪器有限公司 一种基于多模态的肌肤作业控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD