买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜广东工业大学申请的专利一种脱发等级识别方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN112668555B 。

龙图腾网通过国家知识产权局官网在2025-04-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202110072790.4，技术领域涉及：G06V40/16；该发明授权一种脱发等级识别方法和系统是由曾安;容华斌;潘丹;李艺;易延华设计研发完成，并于2021-01-20向国家知识产权局提交的专利申请。

本一种脱发等级识别方法和系统在说明书摘要公布了：本发明公开一种脱发等级识别方法和系统，方法包括以下步骤：S1：获取包括人脸的图像，并训练一个多尺度卷积层，用于进行人脸检测，提取所述图像中的人脸区域；S2：对得到的人脸区域图像进行预处理；S3：将预处理后的人脸区域图像输入至预训练好的脱发等级识别模块进行识别，输出脱发等级。本发明采用一种低成本且无损的图像采集方式，相较于去医院看医生的方式，本发明时间成本较低，可行性较高，采用深度学习方法，有更好的脱发等级识别准确率，采用机器识别方法，在羞涩的青少年中，相比于去医院看医生的方法，本发明更容易被青少年所接受。

本发明授权一种脱发等级识别方法和系统在权利要求书中公布了：1.一种脱发等级识别方法，其特征在于，包括以下步骤：S1：获取包括人脸的图像，并训练一个多尺度卷积层，用于进行人脸检测，提取所述图像中的人脸区域；S2：对得到的人脸区域图像进行预处理；S3：将预处理后的人脸区域图像输入至预训练好的脱发等级识别模块进行识别，输出脱发等级；步骤S1中训练一个多尺度卷积层，用于进行人脸检测具体为：将所述包括人脸的图像依次输入至第一MCBL*2层、第一residual*1层、第一MCBL*1层、第一residual*2层、第一MCBL*1层和第一residual*8层；第一residual*8层的输出依次输入至第一CBL*1层、第二residual*8层、第二CBL*1层、第一residual*4层、第一CBL*5层、第三CBL*1层、第一Conv层后得到特征图Y1；第一residual*4层的输出经第四CBL*1层和上采样后，与第二residual*8层的输出依次输入至第二CBL*5层、第五CBL*1层、第二Conv层后得到特征图Y2；第二CBL*5层的输出经第六CBL*1层合上采样后，与第一residual*8层的额输出依次输入至第三CBL*5层、第七CBL*1层、第三Conv层后得到特征图Y3；根据特征图Y1、Y2和Y3，框出包括人脸的图像中的人脸区域；所述训练一个多尺度卷积层，具体为：在训练阶段，利用公开数据库CASIA-WebFace人脸识别数据集的相关人脸数据进行训，其损失函数为： 式中，K代表网格的长度，M代表一个网格中M个不同区域，代表第i个网格的第j个区域是否表示一个目标，如果是，则为1，否则为0，代表第i个网格的第j个区域是否不表示一个目标，如果是，则为1，否则为0，为区域的实际中心点，xi,yi为区域的预测中心点，为区域的实际长和宽，wi,hi为区域的预测长和宽，为该区域内包含目标的置信度，Ci为预测的置信度，为该区域属于C类物体的真实概率，Pic为预测概率，λcoord，λnoobj为权重系数，用于平衡不同损失项的贡献；所述步骤S3中脱发等级识别模块采用VGG16网络模型进行识别，所述VGG16网络模型包括卷积层，全连接层和最大池化层，其中最后一个全连接层为分类层，根据实际的任务需求定义最后一层的神经元个数，具体为：将经步骤S2预处理后的224×224×3的图像输入网络中，经过两个3×3的卷积层和relu层后，变为224×224×64的矩阵，再经过2×2，步距位2的最大池化层把高和宽降为原来的一半，变为112×112×64的矩阵，再经过剩下的卷积层和池化层后，把特征图送入后续全连接和softmax层得到输出向量其损失函数使用交叉熵损失函数： 其中，T是种类数量，y是标签，如样本的类别是t，则yt＝1，否则yt等于0，pt是分类模型输出的类别t的概率；所述脱发等级识别模块训练时，获取相关数据集作为训练数据，在训练时对数据进行在线增强，然后使用迁移学习利用imagenet数据集训练的vgg16权值作为网络的初始权值，然后替换最后的分类层，固定卷积层的权值，迭代几次训练分类层，最后微调所有的层，最后能得到能区分不同脱发等级的卷积神经网络模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广东工业大学，其通讯地址为：510090 广东省广州市越秀区东风东路729号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。