CN116763259B - 美容设备的多维度控制方法、装置及美容设备 - Google Patents
美容设备的多维度控制方法、装置及美容设备 Download PDFInfo
- Publication number
- CN116763259B CN116763259B CN202311037371.2A CN202311037371A CN116763259B CN 116763259 B CN116763259 B CN 116763259B CN 202311037371 A CN202311037371 A CN 202311037371A CN 116763259 B CN116763259 B CN 116763259B
- Authority
- CN
- China
- Prior art keywords
- skin
- image
- beauty equipment
- liquid
- state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000003796 beauty Effects 0.000 title claims abstract description 112
- 238000000034 method Methods 0.000 title claims abstract description 67
- 239000007788 liquid Substances 0.000 claims abstract description 151
- 239000002537 cosmetic Substances 0.000 claims abstract description 64
- 238000001514 detection method Methods 0.000 claims abstract description 44
- 238000005070 sampling Methods 0.000 claims abstract description 35
- 238000004891 communication Methods 0.000 claims abstract description 22
- 238000012840 feeding operation Methods 0.000 claims abstract description 18
- 238000012549 training Methods 0.000 claims description 57
- 230000036555 skin type Effects 0.000 claims description 32
- 238000000605 extraction Methods 0.000 claims description 11
- 238000013508 migration Methods 0.000 claims description 11
- 230000005012 migration Effects 0.000 claims description 11
- 208000002874 Acne Vulgaris Diseases 0.000 claims description 8
- 206010000496 acne Diseases 0.000 claims description 8
- 230000037311 normal skin Effects 0.000 claims description 8
- 230000037303 wrinkles Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 238000013145 classification model Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 239000012530 fluid Substances 0.000 description 8
- 238000011176 pooling Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000004141 dimensional analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000004304 visual acuity Effects 0.000 description 1
Landscapes
- Cosmetics (AREA)
Abstract
本发明提供了一种美容设备的多维度控制方法、装置及美容设备,该方法应用于服务器,包括:获取美容设备采集到的电极信号、皮肤采样数据和图像数据;基于电极信号判断美容设备是否与当前用户的皮肤相接触;如果当前用户的皮肤相接触,则基于皮肤采样数据确定美容设备的工作状态;基于预先训练好的皮肤检测模型和图像数据确定当前用户的皮肤状态,并基于皮肤状态确定用液点位和用液量;将美容设备的工作状态、用液点位和用液量发送至美容设备,以使美容设备与储液仓建立通信连接和供电协议,驱动储液仓的电机运动在用液点位进行给液操作。本发明能够提高美容设备出液的准确度。
Description
技术领域
本发明涉及生物医疗技术领域,尤其是涉及一种美容设备的多维度控制方法、装置及美容设备。
背景技术
目前,大多数美容设备采用简单的液物自动计时出液的方式,可能会出现不确定的自动出液和固定的出液量等问题,出现出液的地方和时间等错误出液问题,存在无法定点定量控液的问题。
发明内容
有鉴于此,本发明的目的在于提供一种美容设备的多维度控制方法、装置及美容设备,能够提高美容设备出液的准确度。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种美容设备的多维度控制方法,该方法应用于服务器,包括:获取美容设备采集到的电极信号、皮肤采样数据和图像数据;基于电极信号判断美容设备是否与当前用户的皮肤相接触;如果当前用户的皮肤相接触,则基于皮肤采样数据确定美容设备的工作状态;基于预先训练好的皮肤检测模型和图像数据确定当前用户的皮肤状态,并基于皮肤状态确定用液点位和用液量;将美容设备的工作状态、用液点位和用液量发送至美容设备,以使美容设备与储液仓建立通信连接和供电协议,驱动储液仓的电机运动在用液点位进行给液操作。
在一种实施方式中,基于预先训练好的皮肤检测模型和图像数据确定当前用户的皮肤状态,包括:将图像数据输入到预先训练好的皮肤检测模型中,对图像数据中的皮肤类型和皮肤类型的点位进行标注,得到当前用户的皮肤状态;其中,皮肤状态包括:皮肤类型和皮肤类型对应的点位,皮肤类型包括以下中的一种或多种:正常皮肤、粉刺、皱纹和色斑。
在一种实施方式中,皮肤检测模型的训练包括:获取训练图像;其中,训练图像包括:有标记的皮肤图像和无标记的皮肤图像;对训练图像进行跨域图像风格迁移;基于跨域图像风格迁移后的有标记的皮肤图像进行原型网络训练,得到类别原型;采用聚类中心最近邻规则,将无标记的皮肤图像与类别原型进行匹配,生成无标记的皮肤图像的伪标签;基于无标记的皮肤图像的伪标签,对皮肤检测模型进行训练得到训练好的皮肤检测模型。
在一种实施方式中,获取训练图像,包括:获取初始训练图像;将初始训练图像输入到特征提取器中进行特征提取,得到特征图像;将特征图像输入到图像生成器中进行图像重构,得到训练图像。
第二方面,本发明实施例提供了一种美容设备的多维度控制方法,该方法应用于美容设备,包括:获取电极信号、皮肤采样数据和图像数据,并将电极信号、皮肤采样数据和图像数据上传至服务器;接收服务器发送的美容设备的工作状态、用液点位和用液量,并与储液仓建立通信连接和供电协议,驱动储液仓的电机运动在用液点位进行给液操作;其中,用液点位和用液量是基于预先训练好的皮肤检测模型确定的。
在一种实施方式中,上述方法还包括:基于预先训练好的皮肤分类模型和图像数据确定当前用户的皮肤状态;基于皮肤状态确定美容设备的输出功率。
在一种实施方式中,皮肤分类模型至少包括:图像块嵌入模块、多个Vit子网络、多个下采样模块、平均池化模块和分类模块。
在一种实施方式中,基于预先训练好的皮肤分类模型和图像数据确定当前用户的皮肤状态,包括:将图像数据输入预先训练好的皮肤分类模型中,通过图像块嵌入模块对图像数据进行特征提取和位置提取,得到特征信息和位置信息;依次通过Vit子网络、下采样模块、平均池化模块和分类模块,对特征信息和位置信息进行分类,得到当前用户的皮肤状态;其中,其中,皮肤状态包括:皮肤类型和皮肤类型对应的点位,皮肤类型包括以下中的一种或多种:正常皮肤、粉刺、皱纹和色斑。
第三方面,本发明实施例提供了一种美容设备的多维度控制装置,该装置应用于服务器,包括:数据获取模块,用于获取美容设备采集到的电极信号、皮肤采样数据和图像数据;电极信号判断模块,用于基于电极信号判断美容设备是否与当前用户的皮肤相接触;工作状态确定模块,用于如果当前用户的皮肤相接触,则基于皮肤采样数据确定美容设备的工作状态;皮肤状态确定模块,基于预先训练好的皮肤检测模型和图像数据确定当前用户的皮肤状态,并基于皮肤状态确定用液点位和用液量;控制模块,用于将美容设备的工作状态、用液点位和用液量发送至美容设备,以使美容设备与储液仓建立通信连接和供电协议,驱动储液仓的电机运动在用液点位进行给液操作。
第四方面,本发明实施例提供了一种美容设备的多维度控制装置,该装置应用于美容设备,包括:数据上传模块,用于获取电极信号、皮肤采样数据和图像数据,并将电极信号、皮肤采样数据和图像数据上传至服务器;数据接收模块,用于接收服务器发送的美容设备的工作状态、用液点位和用液量,并与储液仓建立通信连接和供电协议,驱动储液仓的电机运动在用液点位进行给液操作;其中,用液点位和用液量是基于预先训练好的皮肤检测模型确定的。
第五方面,本发明实施例提供了一种美容设备,包括处理器和存储器,存储器存储有能够被处理器执行的计算机可执行指令,处理器执行计算机可执行指令以实现上述第二方面提供的任一项的方法的步骤。
第六方面,本发明实施例提供了一种美容系统,包括:上述第五方面提供的美容设备,还包括与美容设备连接的服务器。
本发明实施例带来了以下有益效果:
本发明实施例提供的上述美容设备的多维度控制方法、装置及美容设备,该方法应用于服务器,首先,获取美容设备采集到的电极信号、皮肤采样数据和图像数据;然后,基于电极信号判断美容设备是否与当前用户的皮肤相接触;如果当前用户的皮肤相接触,则基于皮肤采样数据确定美容设备的工作状态;接着,基于预先训练好的皮肤检测模型和图像数据确定当前用户的皮肤状态,并基于皮肤状态确定用液点位和用液量;最后,将美容设备的工作状态、用液点位和用液量发送至美容设备,以使美容设备与储液仓建立通信连接和供电协议,驱动储液仓的电机运动在用液点位进行给液操作。
上述方法通过电极信号、皮肤采样数据和图像数据,在多维度上判断和识别皮肤状态、美容设备的工作状态,将皮肤状态和美容设备的工作状态相结合,来确定用液点位和用液量,进而控制美容设备与储液仓建立通信连接和供电协议,驱动储液仓的电机运动在用液点位进行给液操作,从而能够提高美容设备出液的准确度。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种美容设备的多维度控制方法的流程图;
图2为本发明实施例提供的一种皮肤检测模型的训练方法;
图3为本发明实施例提供的一种皮肤检测模型的示意图;
图4为本发明实施例提供的一种编码器网络结构示意图;
图5为本发明实施例提供的另一种美容设备的多维度控制方法的流程图;
图6为本发明实施例提供的一种轻量级皮肤分类模型的示意图;
图7为本发明实施例提供的一种Vit子网络的结构示意图;
图8为本发明实施例提供的一种美容设备的多维度控制装置的结构示意图;
图9为本发明实施例提供的另一种美容设备的多维度控制装置的结构示意图;
图10为本发明实施例提供的一种美容设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前,大多数美容设备采用简单的液物自动计时出液的方式,可能会出现不确定的自动出液和固定的出液量等问题,出现出液的地方和时间等错误出液问题,存在无法定点定量控液的问题。基于此,本发明实施例提供的一种美容设备的多维度控制方法、装置及美容设备,可以提高美容设备出液的准确度。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种美容设备的多维度控制方法进行详细介绍,该方法应用于服务器。参见图1所示的一种美容设备的多维度控制方法的流程图,示意出该方法主要包括以下步骤S101至步骤S105:
步骤S101:获取美容设备采集到的电极信号、皮肤采样数据和图像数据。
在一种实施方式中,美容设备通过电极、CMOS图像采样和图像获取到电极信号、皮肤采样数据和图像数据,并将获取到的电极信号、皮肤采样数据和图像数据上传至服务器。
步骤S102:基于电极信号判断美容设备是否与当前用户的皮肤相接触。
在一种实施方式中,服务器根据采集到的电极信号进行数据分析,通过ADC转换后,对转换后的信号进行分析判断,当信号处于高电平信号时,则判断美容设备与当前用户的皮肤相接触;当号处于低电平信号时,则判断美容设备不与当前用户的皮肤接触。在得到基于电极信号的一维度的分析结果后,可以将分析结果发送至美容设备的控制器,以进行下一步指令。
步骤S103:如果当前用户的皮肤相接触,则基于皮肤采样数据确定美容设备的工作状态。
在一种实施方式中,美容设备通过CMOS图像皮肤采样,服务器根据采集到的皮肤采样数据的目标像素点,判断目标像素点是否发生变化,从而确定美容设备是否存在与皮肤相对运动的情况,然后将采集的到的图像转换成高低电平信号,如果是低电平信号,则表示美容设备与皮肤为相对静止的状态,如果是高电平信号,则判断美容设备与皮肤为相对运动的状态,同时要结合电极信号进行判断,在电极信号已经接触皮肤的条件下,如果目标像素点没有发生变化,则判断美容设备的工作状态为采用固定定位盖章工作模式,如果目标像素点发生变化,则判断美容设备的工作状态为采用滑动式工作模式。
步骤S104:基于预先训练好的皮肤检测模型和图像数据确定当前用户的皮肤状态,并基于皮肤状态确定用液点位和用液量。
在一种实施方式中,服务器可以将图像数据输入到预先训练好的皮肤检测模型中,获取到当前用户的皮肤状态,并根据不同的皮肤状态确定用液量以及用液点位。
在具体实施时,可以采用包括但不限于以下方式确定当前用户的皮肤状态:将图像数据输入到预先训练好的皮肤检测模型中,对图像数据中的皮肤类型和皮肤类型的点位进行标注,得到当前用户的皮肤状态;其中,皮肤状态包括:皮肤类型和皮肤类型对应的点位,皮肤类型包括以下中的一种或多种:正常皮肤、粉刺、皱纹和色斑。具体的,皮肤检测模型可以识别不同皮肤类型以及点位,并对图像数据中的不同皮肤类型进行标注,得到皮肤状态。
步骤S105:将美容设备的工作状态、用液点位和用液量发送至美容设备,以使美容设备与储液仓建立通信连接和供电协议,驱动储液仓的电机运动在用液点位进行给液操作。
在一种实施方式中,在得到电极、美容设备的工作状态、皮肤状态、用液点位和用液量等多维度的分析结果后,可以将分析结果发送至美容设备;美容设备可以将设备本身与储液仓建立无线通信连接,以及建立供电协议为储液仓供电,在确定美容设备推送到用液点位后,驱动储液仓的电机往复运动,进行给液操作以及液体回收操作。
本发明实施例提供的上述美容设备的多维度控制方法,通过电极信号、皮肤采样数据和图像数据,在多维度上判断和识别皮肤状态、美容设备的工作状态,将皮肤状态和美容设备的工作状态相结合,来确定用液点位和用液量,进而控制美容设备与储液仓建立通信连接和供电协议,驱动储液仓的电机运动在用液点位进行给液操作,从而能够提高美容设备出液的准确度。
本发明实施例还提供了一种皮肤检测模型的训练方法,参见图2所示,主要包括以下步骤1至步骤5:
步骤1:获取训练图像;其中,训练图像包括:有标记的皮肤图像和无标记的皮肤图像。
步骤2:对训练图像进行跨域图像风格迁移。
在具体实施时,由于光源、个人皮肤的不同会导致图像风格差异明显,在缺少标记数据情况下,无法实现使用基于某种风格图像训练的模型对新图像进行精确检测。因此,本发明实施例中在进行模型训练之前,需要对训练图像进行跨域图像风格迁移,减少已标记域(有标记的皮肤图像)与无标记域(无标记的皮肤图像)之间的分布差异。
步骤3:基于跨域图像风格迁移后的有标记的皮肤图像进行原型网络训练,得到类别原型。
在具体实施时,可以利用已标记域中小规模的有标记的皮肤图像进行原型网络学习,建立类别原型,也即对有标记的皮肤图像进行分类,确定不同类型的皮肤图像。
步骤4:采用聚类中心最近邻规则,将无标记的皮肤图像与类别原型进行匹配,生成无标记的皮肤图像的伪标签。
在具体实施时,可以采用聚类中心最近邻规则,将无标记的皮肤图像与类别原型进行匹配,从而将无标记的皮肤图像进行聚类,并生成无标记的皮肤图像的伪标签。
步骤5:基于无标记的皮肤图像的伪标签,对皮肤检测模型进行训练得到训练好的皮肤检测模型。
在具体实施时,利用无标记的皮肤图像的伪标签对皮肤检测模型进行训练,得到训练好的皮肤检测模型,从而提高模型对于无标记域中图像的检测能力。其中,皮肤检测模型可以是基于深度学习的皮肤检测模型。
在一种实施方式中,考虑到现有的皮肤图像与本发明实施例提供的美容设备采集到的皮肤图像之间存在差异,采用现有的皮肤图像进行训练得到的皮肤检测模型,在用于对本发明实施例提供的美容设备采集到的皮肤图像进行检测时,精度较低,而且当前美容设备采集到的皮肤图像的数据量较小,因此,本发明实施例中可以根据当前美容设备采集到的皮肤图像进行图像重构,生成新的训练图像。具体的,可以采用包括但不限于以下方式获取训练数据:首先,获取初始训练图像;然后,将初始训练图像输入到特征提取器中进行特征提取,得到特征图像;最后,将特征图像输入到图像生成器中进行图像重构,得到训练图像。
参见图3所示,将获取到的初始训练图像输入到特征提取器中得到特征图像;然后将特征图像输入到图像生成器中生成新的图像,得到训练图像。
具体的,有标记数据集(即有标记的皮肤图像)为,无标记数据集(即无标记的皮肤图像)为/>。/>和/>为各数据集样品总量,/>为类别标签。由此可以得到特征提取器的输出结果为:
其中,为特征提取器的网络参数,特征提取器网络具体结构如表1所示。
表1中,“7×7,64,stride2”网络为卷积核为7×7,64表示该层网络输出通道数为64,stride2表示卷积核滑动时跳跃像素为2。其他网络层以此类推,在此不再赘述。
表1 特征提取器Resnet-152网络
具体的,表1中特征提取器的Transformer encoder网络结构可以参见图4所示,其中,“Positional Encoding”操作为位置编码操作:
式中,为输入向量的维度,本发明实施例中取值为1000,pos为图像块的位置,/>和/>为1到1000的奇偶取值。
图4中,“Attention”为注意力机制造作操作:
式中,表示权值矩阵,/>为输入向量。/>为/>的向量维度。
本发明实施例中,特征提取器的输出作为图像生成器的输入,重构后的图像为和/>,则有:
式中,为图像生成器中可学习的网络参数。
有上述可知,生成对抗网络的生成器。图像生成器的生成损失函数为:
上式中,D为生成对抗网络中的判别器:一个101层残差网络。判别器理想的分辨能力是对于来自无标记数据集的图像判断为1,来自有标记数据集的图像判断为0;对抗损失函数为:
通过和/>进行对抗训练,生成的图像风格会偏向无标记数据集。
进一步,为了优化特征提取器和图像生成器/>,保留无标记数据细节信息,增加如下损失函数:
为了减小特征提取器风格差异,进一步优化特征提取器和图像生成器/>。有标记数据集和无标记数据集通过特征提取器后的特征为:
特征提取器的损失函数为跨域损失函数:
式中,为最大化平均差损失函数,/>为KL散度损失函数。
通过上述过程对特征提取器和图像生成器/>进行不断优化,从而使生成的图像风格会偏向无标记数据集。
本发明实施例还提供了一种无标记数据集伪标签生成的过程,包括:
(1)通过有标记数据集进行原型网络的训练:
式中,为类别原型,/>为嵌入函数,原型学习损失函数如下:
(2)无标记数据集原型表达为:
(3)无标记数据集伪标签为:,即/>与/>的原型最匹配。
进一步,根据伪标签和真标签进一步优化特征提取器,首先根据伪标签进行原型训练,得出无标记数据集的原型:
然后,通过下属的从类别层面的MMD损失函数(Class-level MMD Loss)进一步优化,减小生成的数据集间的分布差异。MMD损失函数如下所示:
进一步,在特征提取器中加入softmax进行分类预测,对应分类损失函数为:
本发明实施例中采用的有标记数据集包括正样数据集和负样数据集,正样数据集可以是SFA公开数据集,负样数据集可以从“东方人脸库”中截取;无标记数据集可以是美容设备的成像系统拍摄的图像。
本发明实施例提供了另一种美容设备的多维度控制方法,该方法应用于美容设备,参见图5所示的另一种美容设备的多维度控制方法的流程图,示意出该方法主要包括以下步骤S501至步骤S502:
步骤S501:获取电极信号、皮肤采样数据和图像数据,并将电极信号、皮肤采样数据和图像数据上传至服务器。
步骤S502:接收服务器发送的美容设备的工作状态、用液点位和用液量,并与储液仓建立通信连接和供电协议,驱动储液仓的电机运动在用液点位进行给液操作;其中,用液点位和用液量是基于预先训练好的皮肤检测模型确定的。
本实施例中,服务器根据电极信号、皮肤采样数据和图像数据进行多维度分析的原理与前述实施例相同,在此不再赘述。
本发明实施例提供的上述美容设备的多维度控制方法,通过电极信号、皮肤采样数据和图像数据,在多维度上判断和识别皮肤状态、美容设备的工作状态,将皮肤状态和美容设备的工作状态相结合,来确定用液点位和用液量,并与储液仓建立通信连接和供电协议,驱动储液仓的电机运动在用液点位进行给液操作,从而能够提高美容设备出液的准确度。
在一种实施方式中,美容设备还可以利用部署在设备的轻量级皮肤分类模型,通过皮肤质量实施评估,实现设备输出功率的动态控制,具体包括:首先,基于预先训练好的皮肤分类模型和图像数据确定当前用户的皮肤状态;然后,基于皮肤状态确定美容设备的输出功率。
在一种实施方式中,参见图6所示的一种轻量级皮肤分类模型的示意图,示意出皮肤分类模型至少包括:图像块嵌入模块、多个Vit子网络、多个下采样模块、平均池化模块和分类模块。
在具体实施时,在基于预先训练好的皮肤分类模型和图像数据确定当前用户的皮肤状态时,可以采用包括但不限于以下方式:将图像数据输入预先训练好的皮肤分类模型中,通过图像块嵌入模块对图像数据进行特征提取和位置提取,得到特征信息和位置信息;依次通过Vit子网络、下采样模块、平均池化模块和分类模块,对特征信息和位置信息进行分类,得到当前用户的皮肤状态;其中,其中,皮肤状态包括:皮肤类型和皮肤类型对应的点位,皮肤类型包括以下中的一种或多种:正常皮肤、粉刺、皱纹和色斑。
在具体实施时,皮肤分类模型主要检测如下4种皮肤类型以及对应的点位:1)正常皮肤,2)粉刺,3)皱纹,4)色斑。为实现边缘设备对皮肤质量的是检测,使用如图6所示的轻量级皮肤分类模型进行检测。
如图6所示,图像块嵌入模块用于实现图像块特征与块位置信息的提取。Vit子网络实现注意力机制,Vit子网络具体结构如图7所示。
Vit子网络的网络表达为:
式中,为模型输入,/>为模型输出,/>表示输入端的深度分离卷积与前馈神经网络,/>表示自我关注子网络,/>表示输出端的深度分离卷积与前馈神经网络;自我关注子网络结构如图8所示,自我关注子网络首先将输入图像进行分割,然后分别对每个分割图像进行处理,最后将分割图像的特征进行特征组合,得到最终的输出结果。
自我关注子网络表达如下:
式中,为分割后进入第j个级联网络的特征,/>为第j个级联网络的输出。“concat”为特征组合操作,/>为全连接层网络权重矩阵,Y为分类结果。
本发明实施例提供的轻量级皮肤分类模型的训练数据集包括:正样数据集和负样数据集。正样数据集为:1)SFA公开数据集,2)美容设备拍摄的图像中截取;负样数据集为:1)“东方人脸库”图像中截取,2)美容设备拍摄的图像中截取。
本实施例提供的上述方法,通过轻量级皮肤分类模型识别皮肤状态,并根据皮肤状态对美容设备进行控制,从而能够提高美容设备出液的准确度。
对于前述美容设备的多维度控制方法,本发明实施例提供了一种美容设备的多维度控制装置,该装置应用于服务器,参见图8所示的一种美容设备的多维度控制装置的结构示意图,示意出该装置主要包括以下部分:
数据获取模块801,用于获取美容设备采集到的电极信号、皮肤采样数据和图像数据;
电极信号判断模块802,用于基于电极信号判断美容设备是否与当前用户的皮肤相接触;
工作状态确定模块803,用于如果当前用户的皮肤相接触,则基于皮肤采样数据确定美容设备的工作状态;
皮肤状态确定模块804,用于基于预先训练好的皮肤检测模型和图像数据确定当前用户的皮肤状态,并基于皮肤状态确定用液点位和用液量;
控制模块805,用于将美容设备的工作状态、用液点位和用液量发送至美容设备,以使美容设备与储液仓建立通信连接和供电协议,驱动储液仓的电机运动在用液点位进行给液操作。
本发明实施例提供的上述美容设备的多维度控制装置,通过电极信号、皮肤采样数据和图像数据,在多维度上判断和识别皮肤状态、美容设备的工作状态,将皮肤状态和美容设备的工作状态相结合,来确定用液点位和用液量,进而控制美容设备与储液仓建立通信连接和供电协议,驱动储液仓的电机运动在用液点位进行给液操作,从而能够提高美容设备出液的准确度。
在一种实施方式中,上述皮肤状态确定模块804还用于:将图像数据输入到预先训练好的皮肤检测模型中,对图像数据中的皮肤类型和皮肤类型的点位进行标注,得到当前用户的皮肤状态;其中,皮肤状态包括:皮肤类型和皮肤类型对应的点位,皮肤类型包括以下中的一种或多种:正常皮肤、粉刺、皱纹和色斑。
在一种实施方式中,上述装置还包括模型训练模块,用于:获取训练图像;其中,训练图像包括:有标记的皮肤图像和无标记的皮肤图像;对训练图像进行跨域图像风格迁移;基于跨域图像风格迁移后的有标记的皮肤图像进行原型网络训练,得到类别原型;采用聚类中心最近邻规则,将无标记的皮肤图像与类别原型进行匹配,生成无标记的皮肤图像的伪标签;基于无标记的皮肤图像的伪标签,对皮肤检测模型进行训练得到训练好的皮肤检测模型。
在一种实施方式中,上述装置还包括模型训练模块还用于:获取初始训练图像;将初始训练图像输入到特征提取器中进行特征提取,得到特征图像;将特征图像输入到图像生成器中进行图像重构,得到训练图像。
本发明实施例提供了另一种美容设备的多维度控制装置,该装置应用于美容设备,参见图9所示的另一种美容设备的多维度控制装置的结构示意图,示意出该装置主要包括以下部分:
数据上传模块901,用于获取电极信号、皮肤采样数据和图像数据,并将电极信号、皮肤采样数据和图像数据上传至服务器;
数据接收模块902,用于接收服务器发送的美容设备的工作状态、用液点位和用液量,并与储液仓建立通信连接和供电协议,驱动储液仓的电机运动在用液点位进行给液操作;其中,用液点位和用液量是基于预先训练好的皮肤检测模型确定的。
本发明实施例提供的上述美容设备的多维度控制装置,通过电极信号、皮肤采样数据和图像数据,在多维度上判断和识别皮肤状态、美容设备的工作状态,将皮肤状态和美容设备的工作状态相结合,来确定用液点位和用液量,并与储液仓建立通信连接和供电协议,驱动储液仓的电机运动在用液点位进行给液操作,从而能够提高美容设备出液的准确度。
在一种实施方式中,上述装置还包括功率控制模块,用于:基于预先训练好的皮肤分类模型和图像数据确定当前用户的皮肤状态;基于皮肤状态确定美容设备的输出功率。
在一种实施方式中,皮肤分类模型至少包括:图像块嵌入模块、多个Vit子网络、多个下采样模块、平均池化模块和分类模块。
在一种实施方式中,上述装置还包括功率控制模块还用于:将图像数据输入预先训练好的皮肤分类模型中,通过图像块嵌入模块对图像数据进行特征提取和位置提取,得到特征信息和位置信息;依次通过Vit子网络、下采样模块、平均池化模块和分类模块,对特征信息和位置信息进行分类,得到当前用户的皮肤状态;其中,其中,皮肤状态包括:皮肤类型和皮肤类型对应的点位,皮肤类型包括以下中的一种或多种:正常皮肤、粉刺、皱纹和色斑。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
需要说明的是,本发明实施中提供的具体数值,仅为是示例性的,在此不做限定。
本发明实施例还提供了一种美容设备,具体的,该电子设备包括处理器和存储装置;存储装置上存储有计算机程序,计算机程序在被处理器运行时执行如上实施方式的任一项所述的方法。
图10为本发明实施例提供的一种美容设备的结构示意图,该美容设备400包括:处理器100,存储器101,总线102和通信接口103,所述处理器100、通信接口103和存储器101通过总线102连接;处理器100用于执行存储器101中存储的可执行模块,例如计算机程序。
其中,存储器101可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatilememory),例如至少一个磁盘存储器。通过至少一个通信接口103(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线102可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图10中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器101用于存储程序,所述处理器100在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器100中,或者由处理器100实现。
处理器100可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器100中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器100可以是通用处理器,包括中央处理器(CentralProcessingUnit,简称CPU)、网络处理器(NetworkProcessor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器101,处理器100读取存储器101中的信息,结合其硬件完成上述方法的步骤。
本发明实施例提供了一种美容系统,包括:上述前述实施例提供的美容设备,还包括与美容设备连接的服务器。
本发明实施例所提供的可读存储介质的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见前述方法实施例,在此不再赘述。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (6)
1.一种美容设备的多维度控制方法,其特征在于,所述方法应用于服务器,包括:
获取美容设备采集到的电极信号、皮肤采样数据和图像数据;
基于所述电极信号判断所述美容设备是否与当前用户的皮肤相接触;
如果所述当前用户的皮肤相接触,则基于所述皮肤采样数据确定所述美容设备的工作状态;
基于预先训练好的皮肤检测模型和所述图像数据确定所述当前用户的皮肤状态,并基于所述皮肤状态确定用液点位和用液量;
将所述美容设备的工作状态、所述用液点位和所述用液量发送至所述美容设备,以使所述美容设备与储液仓建立通信连接和供电协议,驱动所述储液仓的电机运动在所述用液点位进行给液操作;
所述皮肤检测模型的训练包括:获取训练图像;其中,所述训练图像包括:有标记的皮肤图像和无标记的皮肤图像;对所述训练图像进行跨域图像风格迁移;基于跨域图像风格迁移后的有标记的皮肤图像进行原型网络训练,得到类别原型;采用聚类中心最近邻规则,将所述无标记的皮肤图像与所述类别原型进行匹配,生成所述无标记的皮肤图像的伪标签;基于所述无标记的皮肤图像的伪标签,对所述皮肤检测模型进行训练得到训练好的皮肤检测模型;
基于所述皮肤采样数据确定所述美容设备的工作状态,包括:所述美容设备通过CMOS图像皮肤采样,所述服务器根据采集到的皮肤采样数据的目标像素点,判断目标像素点是否发生变化,从而确定所述美容设备是否存在与皮肤相对运动的情况,然后将采集的到的图像转换成高低电平信号,如果是低电平信号,则表示所述美容设备与皮肤为相对静止的状态,如果是高电平信号,则判断所述美容设备与皮肤为相对运动的状态,同时结合电极信号进行判断,在电极信号已经接触皮肤的条件下,如果所述目标像素点没有发生变化,则判断所述美容设备的工作状态为采用固定定位盖章工作模式,如果目标像素点发生变化,则判断所述美容设备的工作状态为采用滑动式工作模式。
2.根据权利要求1所述的方法,其特征在于,基于预先训练好的皮肤检测模型和所述图像数据确定所述当前用户的皮肤状态,包括:
将所述图像数据输入到预先训练好的皮肤检测模型中,对所述图像数据中的皮肤类型和所述皮肤类型的点位进行标注,得到所述当前用户的皮肤状态;其中,所述皮肤状态包括:皮肤类型和所述皮肤类型对应的点位,所述皮肤类型包括以下中的一种或多种:正常皮肤、粉刺、皱纹和色斑。
3.根据权利要求1所述的方法,其特征在于,获取训练图像,包括:
获取初始训练图像;
将所述初始训练图像输入到特征提取器中进行特征提取,得到特征图像;
将所述特征图像输入到图像生成器中进行图像重构,得到训练图像。
4.一种美容设备的多维度控制装置,其特征在于,所述装置应用于服务器,包括:
数据获取模块,用于获取美容设备采集到的电极信号、皮肤采样数据和图像数据;
电极信号判断模块,用于基于所述电极信号判断所述美容设备是否与当前用户的皮肤相接触;
工作状态确定模块,用于如果所述当前用户的皮肤相接触,则基于所述皮肤采样数据确定所述美容设备的工作状态;
皮肤状态确定模块,基于预先训练好的皮肤检测模型和所述图像数据确定所述当前用户的皮肤状态,并基于所述皮肤状态确定用液点位和用液量;
控制模块,用于将所述美容设备的工作状态、所述用液点位和所述用液量发送至所述美容设备,以使所述美容设备与储液仓建立通信连接和供电协议,驱动所述储液仓的电机运动在所述用液点位进行给液操作;
所述装置还包括模型训练模块,用于:获取训练图像;其中,所述训练图像包括:有标记的皮肤图像和无标记的皮肤图像;对所述训练图像进行跨域图像风格迁移;基于跨域图像风格迁移后的有标记的皮肤图像进行原型网络训练,得到类别原型;采用聚类中心最近邻规则,将所述无标记的皮肤图像与所述类别原型进行匹配,生成所述无标记的皮肤图像的伪标签;基于所述无标记的皮肤图像的伪标签,对所述皮肤检测模型进行训练得到训练好的皮肤检测模型;
所述工作状态确定模块还用于:所述美容设备通过CMOS图像皮肤采样,所述服务器根据采集到的皮肤采样数据的目标像素点,判断目标像素点是否发生变化,从而确定所述美容设备是否存在与皮肤相对运动的情况,然后将采集的到的图像转换成高低电平信号,如果是低电平信号,则表示所述美容设备与皮肤为相对静止的状态,如果是高电平信号,则判断所述美容设备与皮肤为相对运动的状态,同时结合电极信号进行判断,在电极信号已经接触皮肤的条件下,如果所述目标像素点没有发生变化,则判断所述美容设备的工作状态为采用固定定位盖章工作模式,如果目标像素点发生变化,则判断所述美容设备的工作状态为采用滑动式工作模式。
5.一种美容设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机可执行指令,所述处理器执行所述计算机可执行指令以实现权利要求1至3任一项所述的方法的步骤。
6.一种美容系统,其特征在于,包括:权利要求5所述的美容设备,还包括与所述美容设备连接的服务器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311037371.2A CN116763259B (zh) | 2023-08-17 | 2023-08-17 | 美容设备的多维度控制方法、装置及美容设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311037371.2A CN116763259B (zh) | 2023-08-17 | 2023-08-17 | 美容设备的多维度控制方法、装置及美容设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116763259A CN116763259A (zh) | 2023-09-19 |
CN116763259B true CN116763259B (zh) | 2023-12-08 |
Family
ID=88006688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311037371.2A Active CN116763259B (zh) | 2023-08-17 | 2023-08-17 | 美容设备的多维度控制方法、装置及美容设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116763259B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020028493A (ko) * | 2000-10-10 | 2002-04-17 | 김영애 | 원격 피부진단 및 치료기 |
CN110193140A (zh) * | 2019-07-02 | 2019-09-03 | 厦门美图之家科技有限公司 | 脉冲美容仪及美容系统 |
CN110942025A (zh) * | 2019-11-26 | 2020-03-31 | 河海大学 | 一种基于聚类的无监督跨域行人重识别方法 |
CN112043958A (zh) * | 2020-09-25 | 2020-12-08 | 广州皓醒湾科技有限公司 | 美容仪的控制方法、装置及射频美容仪 |
CN112138276A (zh) * | 2019-06-27 | 2020-12-29 | 创锐思智能有限公司 | 一种美容仪及控制方法 |
CN113642655A (zh) * | 2021-08-18 | 2021-11-12 | 杭州电子科技大学 | 基于支持向量机和卷积神经网络的小样本图像分类方法 |
CN113657267A (zh) * | 2021-08-17 | 2021-11-16 | 中国科学院长春光学精密机械与物理研究所 | 一种半监督行人重识别模型、方法和装置 |
CN114511759A (zh) * | 2022-02-14 | 2022-05-17 | 许艳 | 一种皮肤状态图像的类别识别和特征确定方法及系统 |
CN115393361A (zh) * | 2022-10-28 | 2022-11-25 | 湖南大学 | 低标注成本的皮肤病图像分割方法、装置、设备及介质 |
CN116452897A (zh) * | 2023-06-16 | 2023-07-18 | 中国科学技术大学 | 跨域小样本分类方法、系统、设备及存储介质 |
CN116531686A (zh) * | 2023-05-29 | 2023-08-04 | 广州时光之城科技有限公司 | 一种美容仪及其防护方案 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150032092A1 (en) * | 2013-07-26 | 2015-01-29 | Yossef Ori ADANNY | Image-based cosmetic skin treatment system |
-
2023
- 2023-08-17 CN CN202311037371.2A patent/CN116763259B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020028493A (ko) * | 2000-10-10 | 2002-04-17 | 김영애 | 원격 피부진단 및 치료기 |
CN112138276A (zh) * | 2019-06-27 | 2020-12-29 | 创锐思智能有限公司 | 一种美容仪及控制方法 |
CN110193140A (zh) * | 2019-07-02 | 2019-09-03 | 厦门美图之家科技有限公司 | 脉冲美容仪及美容系统 |
CN110942025A (zh) * | 2019-11-26 | 2020-03-31 | 河海大学 | 一种基于聚类的无监督跨域行人重识别方法 |
CN112043958A (zh) * | 2020-09-25 | 2020-12-08 | 广州皓醒湾科技有限公司 | 美容仪的控制方法、装置及射频美容仪 |
CN113657267A (zh) * | 2021-08-17 | 2021-11-16 | 中国科学院长春光学精密机械与物理研究所 | 一种半监督行人重识别模型、方法和装置 |
CN113642655A (zh) * | 2021-08-18 | 2021-11-12 | 杭州电子科技大学 | 基于支持向量机和卷积神经网络的小样本图像分类方法 |
CN114511759A (zh) * | 2022-02-14 | 2022-05-17 | 许艳 | 一种皮肤状态图像的类别识别和特征确定方法及系统 |
CN115393361A (zh) * | 2022-10-28 | 2022-11-25 | 湖南大学 | 低标注成本的皮肤病图像分割方法、装置、设备及介质 |
CN116531686A (zh) * | 2023-05-29 | 2023-08-04 | 广州时光之城科技有限公司 | 一种美容仪及其防护方案 |
CN116452897A (zh) * | 2023-06-16 | 2023-07-18 | 中国科学技术大学 | 跨域小样本分类方法、系统、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116763259A (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Luxem et al. | Identifying behavioral structure from deep variational embeddings of animal motion | |
Xiong et al. | Transferable two-stream convolutional neural network for human action recognition | |
Basak et al. | A union of deep learning and swarm-based optimization for 3D human action recognition | |
US11699277B2 (en) | Classification with segmentation neural network for image-based content capture | |
Xu et al. | Zebrafish tracking using convolutional neural networks | |
US20180189610A1 (en) | Active machine learning for training an event classification | |
Quiros et al. | A kNN-based approach for the machine vision of character recognition of license plate numbers | |
R. Tavakoli et al. | Bottom-up fixation prediction using unsupervised hierarchical models | |
CN117040917A (zh) | 一种具有监测预警功能的智慧型交换机 | |
Li et al. | IC solder joint inspection via generator-adversarial-network based template | |
Kim et al. | Identifying and extracting bark key features of 42 tree species using convolutional neural networks and class activation mapping | |
Karna et al. | Towards Accurate Fused Deposition Modeling 3D Printer Fault Detection using Improved YOLOv8 with Hyperparameter Optimization | |
CN116763259B (zh) | 美容设备的多维度控制方法、装置及美容设备 | |
CN112580616B (zh) | 人群数量确定方法、装置、设备及存储介质 | |
US11983171B2 (en) | Using multiple trained models to reduce data labeling efforts | |
CN116945258A (zh) | 模切机控制系统及其方法 | |
CN112115994A (zh) | 图像识别模型的训练方法、装置、服务器及存储介质 | |
CN116883786A (zh) | 图数据增广方法、装置、计算机设备及可读存储介质 | |
CN114255219B (zh) | 征象识别方法、装置、电子设备和存储介质 | |
Manipoonchelvi et al. | Region‐based saliency detection | |
CN115587299A (zh) | 一种可迁移的多尺度旋转机械故障诊断方法及系统 | |
Kailash et al. | Deep learning based detection of mobility aids using yolov5 | |
Liu et al. | Comparing the effectiveness of two convolutional neural networks methods on fault diagnosis | |
Rajagopal et al. | A hybrid Cycle GAN-based lightweight road perception pipeline for road dataset generation for Urban mobility | |
Irandoust et al. | Training a vision transformer from scratch in less than 24 hours with 1 gpu |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |