Trong bài báo này, chúng tôi đề xuất một phương pháp phân đoạn nếp nhăn mới trên khuôn mặt dựa trên mô hình Unet++, được tăng cường với các chức năng xúc xắc và mất tiêu điểm. Cách tiếp cận của chúng tôi bắt đầu bằng việc xây dựng một bộ dữ liệu nếp nhăn phong phú có nguồn gốc từ bộ dữ liệu Flickr-Faces-HQ, đảm bảo tính đa dạng về các loại nếp nhăn và độ phức tạp. Sau đó, chúng tôi giới thiệu kỹ thuật trích xuất vùng da để cô lập các vùng có liên quan trên khuôn mặt, nâng cao độ chính xác của phân đoạn. Mô hình Unet++ được sử dụng để phân đoạn nếp nhăn, tận dụng kiến ​​trúc bộ mã hóa-giải mã và các đường dẫn bỏ qua được lồng nhau dày đặc để ghi lại các chi tiết nếp nhăn nhỏ. Bằng cách tích hợp các chức năng xúc xắc và mất tiêu điểm, phương pháp của chúng tôi giải quyết hiệu quả sự mất cân bằng lớp và cải thiện hiệu suất phân đoạn. Kết quả thử nghiệm chứng minh tính ưu việt của phương pháp của chúng tôi trong cả đánh giá định tính và định lượng, cho thấy khả năng trích xuất nếp nhăn nâng cao và độ chính xác phân đoạn vượt trội so với các phương pháp hiện có. Nhìn chung, nghiên cứu của chúng tôi thúc đẩy lĩnh vực phân đoạn nếp nhăn trên khuôn mặt, cung cấp một phương pháp mạnh mẽ và đáng tin cậy để phân định nếp nhăn chính xác trong hình ảnh khuôn mặt