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！

龙图腾网恭喜杭州电子科技大学申请的专利一种自适应肤色的跨域自拍人脸痘痘分级的图像分类方法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：CN115035068B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202210680710.8，技术领域涉及：G06T7/00；该发明授权一种自适应肤色的跨域自拍人脸痘痘分级的图像分类方法是由谭敏;王瑞瑞;俞俊设计研发完成，并于2022-06-15向国家知识产权局提交的专利申请。

本一种自适应肤色的跨域自拍人脸痘痘分级的图像分类方法在说明书摘要公布了：本发明提出了一种自适应肤色的跨域自拍人脸痘痘分级的图像分类方法。本发明的步骤如下：1、在源域和目标域之间，利用对抗生成网络模型进行跨域数据增强来缩小域偏移。2、构建两个门控网络自适应学习最佳样本权重。其中构建一个专家门控网络自适应学习最优特征权重，一个肤色门控网络自适应学习最优肤色权重。3、在源域和目标域之间，利用多核的最大化均值差异方法对样本特征进行对齐，目的是缩小源域与目标域之间的域偏差。4、根据上述步骤建立多任务端到端的深度学习模型，在特定数据集上训练整个网络，将最终模型在测试集上测试性能。本发明能针对特定数据集自适应学习最合适的样本权重分配，具有很强的现实性和普适性。

本发明授权一种自适应肤色的跨域自拍人脸痘痘分级的图像分类方法在权利要求书中公布了：1.一种自适应肤色的跨域自拍人脸痘痘分级的图像分类方法，其特征在于包括如下步骤：步骤1：图像数据预处理，统一数据集中图像尺寸；步骤2：跨域数据增强，引入一个公共可用的数据集作为源域，帮助目标域中分类器的学习；步骤3：构建自适应肤色门控分类模型；步骤4：特征空间对齐，设计基于特征的域对齐损失来弥补域差距；步骤5：模型训练和测试；建立多任务端到端的深度学习模型，在特定数据集上，通过反向传播算法对网络参数进行训练，直至整个网络模型收敛；步骤2所述的跨域数据增强，其具体过程如下：2-1.源域是包含n张图像的集合，每张图像都有对应的肤质质量类别标签，记为Is＝{xi,yi|1≤i≤n}；目标域是包含m张图像的集合，每张图像都有对应的肤质质量类别标签，记为其中yi∈Y和分别是图像xi和的类别标签，Y＝{1,2,…,Nc}表示类别标签空间，Nc是总的类别数量； 是将源域中的样本转换成具有目标域样本风格的图像生成器，目标域中生成图像的集合记为是将目标域中的样本转换成具有源域样本风格的图像生成器，源域中生成图像的集合记为具体公式定义如下： 其中，xi∈Is，指代损失函数；||||1表示取1范数；2-2.在图像空间和特征空间分别构建一对图像判别器记为和和一对特征判别器记为和用于判别源域中经过图像判别器网络的样本是真实图像还是生成图像；用于判别目标域中经过图像判别器网络的样本是真实图像还是生成图像；用于判断源域中经过分类网络提取的特征是来自真实图像样本还是来自生成的图像样本；用于判断目标域中经过分类网络提取的特征是来自真实图像样本还是来自生成的图像样本；其中在图像空间和特征空间的判别损失具体如下公式所示： 其中表示分类网络，s代表源域，t代表目标域，d取值为s和t； 其中，li表示第i张样本图像的真实标签；当用于计算图像空间的判别损失时，当用于计算特征空间的判别损失时，ψx是中间参数变量；步骤3所述构建自适应肤色门控分类模型，其具体过程如下：设计一个专家门控网络和一个肤色门控网络分别来自适应地学习专家网络和子网络的最佳样本权重，以解决肤色标签噪声；且设置的子网络的数量与肤色类别的数量不同，从而破坏子网络数量和肤色类别数量之间的一对一映射；首先，样本经过并行的多个专家网络得到对应的特征向量，同时样本会经过专家门控网络自适应学到一个门控权重向量，门控权重向量与特征向量相乘，得到最终权重联合的特征向量；然后，权重联合的特征向量会同时经过多个子网络，对应输出多个子网络提取的特征；子网络提取的特征与样本经过肤色门控网络自适应学到的肤色占比权重向量相乘，得到最终的联合特征。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。