Please enable JavaScript.
Coggle requires JavaScript to display documents.
Beauty Tracker - Coggle Diagram
Beauty Tracker
-
-
Датасеты:как можно более разнообразный и хорошо размеченный набор данных
Несколько тысяч изображений — это небольшой датасет.
При использовании предобученных моделей и методов аугментации данных можно получить хорошие результаты.
Большие датасеты — это десятки и сотни тысяч изображений.
-
-
Применение техники аугментации данных (повороты, отражения, изменение яркости и контрастности), чтобы увеличить объем данных и улучшить обобщающую способность модели.
-
Решение
-
Несколько моделей: отдельная модель для каждого типа дефекта кожи или признака старения. Каждая модель обучается на специфическом наборе данных, ориентированном на распознавание конкретного признака.
-
Многозадачная модель (Multi-task Learning): одна модель обучается решать несколько связанных задач одновременно, используя общие слои для извлечения признаков и отдельные выходы для каждой задачи.
-
-
-
-
-
Создать одну модель многофункциональную или многозадачную и посмотреть с какими дефектами справляется лучше
-
-
-
Платформа
-
Веб-приложение: пользователь будет загружать 4 фотографии с разных ракурсов (фас, профиль, 3/4 и шея)
- Обработка нескольких изображений: Модель принимает на вход все четыре фотографии и обрабатывает их совместно.
- Извлечение признаков: Общие слои извлекают признаки из каждого изображения, после чего информация объединяется для принятия окончательного решения.
Плюсы:
Учет всей информации, Повышенная точность, Экономия ресурсов
Минусы:
- Сложность архитектуры: Требуется разработка более сложной модели, способной обрабатывать несколько входных изображений одновременно.
- Требования к данным: Необходимо иметь обширный набор данных с фотографиями всех ракурсов для эффективного обучения модели.
Каждое изображение обрабатывается своей моделью, настроенной на особенности конкретного ракурса.
Плюсы:
- Оптимизация под ракурс: Модели могут быть настроены для лучшего распознавания дефектов, характерных для конкретного ракурса.
- Гибкость: Можно обновлять или улучшать модели для каждого ракурса независимо.
Минусы:
- Увеличение ресурсов: Использование нескольких моделей увеличивает потребление вычислительных ресурсов и времени обработки.
- Сложность интеграции: Необходимо объединять результаты от разных моделей для получения общего заключения.
Гибридный подход с предварительной обработкой
- Предобработка изображений:
Алгоритмы для согласования и комбинирования изображений (например, создание 3D-модели или панорамы).
- Единая модель:
Обработка полученного изображения единой моделью.
Плюсы:
- Целостное представление: Позволяет получить более полную картину состояния кожи.
- Стандартная обработка: Использование одной модели упрощает процесс.
Минусы:
- Сложность предварительной обработки: Требуются дополнительные алгоритмы для объединения изображений.
- Потеря деталей: Возможно снижение качества или потеря важных особенностей при объединении изображений.
-
Ресурсы
GPU:. Можно использовать облачные сервисы: Google Colab (бесплатно в ограниченном объёме), AWS, Azure, Google Cloud.
-
-