1.一种远程自动判断脸痣能否进行激光去除的方法，其特征在于，所述方法包括：S1、获取用户远程输入的人脸图像；

S2、使用训练完成的脸痣检测模型，检测所述人脸图像上各个脸痣的位置信息和大小信息，所述脸痣检测模型使用模型自动优化方式进行训练；

S3、根据所述各个脸痣的位置信息和大小信息，判断各个脸痣是否可以激光去除；

S4、将判断结果返回用户；

所述脸痣检测模型使用模型自动优化方式进行训练，具体包括：S21、获取历史人工标记数据，对所述历史人工标记数据进行基于对象特征的分析，确定数据采集类型信息；

S22、根据所述数据采集类型信息，确定数据搜索范围，并在所述数据搜索范围内进行数据采集，获取原始学习数据；

S23、对所述原始学习数据进行划分提取，形成训练集和测试集；

S24、根据所述训练集对所述脸痣检测模型进行自动学习，形成优化模型；

S25、根据所述测试集对所述优化模型进行目标测试，并根据目标测试的结果控制模型的自动学习进程；

所述S21，具体包括：

S211、获取历史人工标记数据，进行相同对象的分析提取，确定自动学习对象为人脸图像数据；

S212、基于自动学习对象，对历史人工标记数据进行相关范围的提取，形成自动学习对象范围为脸痣的对象特征；

S213、根据自动学习对象范围，对历史人工标记数据进行对象特征的提取，形成自动学习对象特征信息为脸痣的位置信息和大小信息；

S214、结合所述自动学习对象、所述自动学习对象范围以及所述自动学习对象特征信息，形成数据采集类型信息；

所述S22，具体包括：

S221、根据所述自动学习对象进行范围划定，确定数据搜索范围；

S222、在所述数据搜索范围内根据所述自动学习对象范围进行数据采集，获取初始采集数据；

S223、对所述初始采集数据进行基于所述自动学习对象特征信息的采集量分析，确定原始学习数据；

所述S223，具体包括：

S2231、对初始采集数据中的所有对象进行基于所述自动学习对象特征信息的特征占比量的确定，并根据所述特征占比量进行采集量的充足性判断，得到充足性判断结果；

S2232、对初始采集数据中具有自动学习对象特征信息的对象进行差异特征占比量的确定，并根据所述差异特征占比量进行采集量的丰富性判断，得到丰富性判断结果；

S2233、根据所述充足性判断结果和丰富性判断结果，对所述初始采集数据进行处理，形成原始学习数据。

2.根据权利要求1所述的方法，其特征在于，所述S2231，具体包括：设定充足性判断阈值α，获取初始采集数据中具有自动学习对象特征信息的对象的数量N，进行以下充足性判断：若存在 则判断所述初始采集数据充足；

若存在 则判断所述初始采集数据不充足；

其中，M表示初始采集数据中对象的总量；

所述S2232，具体包括：

设定丰富性判断阈值β，获取初始采集数据中具有不同自动学习对象特征信息的对象的数量U，进行以下丰富性判断：若存在 则判断所述初始采集数据丰富；

若存在 则判断所述初始采集数据不丰富；

其中，N表示初始采集数据中具有自动学习对象特征信息的对象的数量。

3.根据权利要求1所述的方法，其特征在于，所述S2233，具体包括：对所述充足性判断结果和丰富性判断结果进行判断；

若充足性判断充足，且丰富性判断丰富，则将当前采集的初始采集数据确定为原始学习数据；

若充足性判断充足，且丰富性判断不丰富，则获取具有不同自动学习对象特征信息的对象来扩充初始采集数据，直至丰富性判断为丰富，并将扩充后的初始采集数据确定为原始学习数据；

若充足性判断不充足，且丰富性判断丰富，则将初始采集数据中不具有自动学习对象特征信息的对象进行筛除，直至充足性判断为充足，并将筛除后的初始采集数据确定为原始学习数据；

若充足性判断不充足，且丰富性判断不丰富，则根据自动学习对象范围进行数据采集来扩充初始采集数据，直至充足性判断为充足且丰富性判断为丰富，并将扩充后的初始采集数据确定为原始学习数据。

4.根据权利要求1所述的方法，其特征在于，所述S23，具体包括：设定训练采集量阈值η，对所述原始学习数据进行基于对象的随机采集，得到对象集合；其中，对象集合中对象的数量不小于所述训练采集量阈值η；

根据所述对象集合形成训练集；

对原始学习数据中除所述对象集合以外的数据进行基于自动学习对象特征信息的标定，形成测试集。

5.根据权利要求1所述的方法，其特征在于，所述S25，具体包括：获取测试集中所标定的具有自动学习对象特征信息的对象的数量Q；

获取所述优化模型对所述测试集进行分析确定得到的具有自动学习对象特征信息的对象的数量K；

设定目标学习阈值W，并进行以下判断处理：若存在Q‑K＜W，则继续获取原始学习数据进行对所述优化模型的训练，直至满足Q‑K≥W；

若存在Q‑K≥W，则将所述优化模型确定为训练完成的脸痣检测模型。

6.一种远程自动判断脸痣能否进行激光去除的装置，其特征在于，所述装置包括：获取模块，用于获取用户远程输入的人脸图像；

检测模块，用于使用训练完成的脸痣检测模型，检测所述人脸图像上各个脸痣的位置信息和大小信息，所述脸痣检测模型使用模型自动优化方式进行训练；

判断模块，用于根据所述各个脸痣的位置信息和大小信息，判断各个脸痣是否可以激光去除；

返回模块，用于将判断结果返回用户；

所述脸痣检测模型使用模型自动优化方式进行训练，具体包括：S21、获取历史人工标记数据，对所述历史人工标记数据进行基于对象特征的分析，确定数据采集类型信息；

S22、根据所述数据采集类型信息，确定数据搜索范围，并在所述数据搜索范围内进行数据采集，获取原始学习数据；

S23、对所述原始学习数据进行划分提取，形成训练集和测试集；

S24、根据所述训练集对所述脸痣检测模型进行自动学习，形成优化模型；

S25、根据所述测试集对所述优化模型进行目标测试，并根据目标测试的结果控制模型的自动学习进程；

所述S21，具体包括：

S211、获取历史人工标记数据，进行相同对象的分析提取，确定自动学习对象为人脸图像数据；

S212、基于自动学习对象，对历史人工标记数据进行相关范围的提取，形成自动学习对象范围为脸痣的对象特征；

S213、根据自动学习对象范围，对历史人工标记数据进行对象特征的提取，形成自动学习对象特征信息为脸痣的位置信息和大小信息；

S214、结合所述自动学习对象、所述自动学习对象范围以及所述自动学习对象特征信息，形成数据采集类型信息；

所述S22，具体包括：

S221、根据所述自动学习对象进行范围划定，确定数据搜索范围；

S222、在所述数据搜索范围内根据所述自动学习对象范围进行数据采集，获取初始采集数据；

S223、对所述初始采集数据进行基于所述自动学习对象特征信息的采集量分析，确定原始学习数据；

所述S223，具体包括：

S2231、对初始采集数据中的所有对象进行基于所述自动学习对象特征信息的特征占比量的确定，并根据所述特征占比量进行采集量的充足性判断，得到充足性判断结果；

S2232、对初始采集数据中具有自动学习对象特征信息的对象进行差异特征占比量的确定，并根据所述差异特征占比量进行采集量的丰富性判断，得到丰富性判断结果；

S2233、根据所述充足性判断结果和丰富性判断结果，对所述初始采集数据进行处理，形成原始学习数据。