Akne vulgaris beeinträchtigt die alltägliche Lebensqualität erheblich. In diesem Artikel stellen wir einen neuen Ansatz zur Akne-Grading-Framework vor, der ein innovatives Paradigma zur Lösung des Bildklassifizierungsproblems darstellt, bei dem die Anzahl und Art kleiner Objekte als entscheidende Hinweise dienen. Dieses Framework besteht aus zwei Komponenten: der Extraktion vorheriger Kenntnisse und einem netzwerkgesteuerten Ansatz, der auf vorherigen Kenntnissen basiert. Die Extraktion vorheriger Kenntnisse nutzt eine hervorragende Segmentierungsmethode, um die betroffenen Hautareale vorherzusagen und als vorherige Kenntnisse zu verwenden. Das auf vorherigen Kenntnissen basierende Netzwerk integriert diese Kenntnisse mit dem entsprechenden Bild, um die Schwere der Akne zu bewerten. Die experimentellen Ergebnisse zeigen, dass unser Framework die derzeit beste Leistung erzielt und auf Diagnoseebene von Dermatologen liegt.