美丽或许是肤浅的,但市值数十亿美元的医美产业绝不会因此而停下脚步。

如今研究人员运用深度学习技术来解决皱纹、老人斑及其它在肌肤上显露健康状态的生物标记各种肌肤问题,同时判断各项治疗方式的成效。

“如何在各方意见不一的情况下评估肌肤状态?”资料科学家 Konstantin Kiselev在 GPU 科技大会上进行简报时,提出这个问题。他在马里兰州 Youth Laboratories 成立 Baltimore 公司,目的为更深入检测肌肤治疗的效果,提出改善人体最大器官-肌肤状况的方法。

Kiselev 说他的研究团队早期提出的成果包括准备300张人工加注标签的皱纹图片,也使用 VGG 网络和像素分割深度编码架构 SegNet 来进行检测,接着部署 NVIDIA Tesla K80 来训练和检测,速度较使用 CPU 快上20倍。

研究团队接着开发出名为 RYNKL 的脸孔侦测 app,对额头、眼部、脸颊和嘴部建立“皱纹地图区”。应用软件处理各区并指定一个数字,最后进行加总得到一个 RYNKL 分数。

残酷的标准

研究团队开发一个测试多种算法的平台,并且为吸引人的程度加以评分,以推广这款app (可在 Google Play 和 Apple 的 AppStore 下载 beta 版)。

今年初他们推出极具创意的首次在线选美比赛 Beauty.AI,使用者可以在网站上提交与自己年龄相关的照片,再由都是机器人组成的评审团选出冠军。第二届活动将于五月举行。

计算机视觉、脸孔辨识、机器学习和神经网络等技术的发展,使得 Kiselev 及其团队能使用某个人的脸部照片来判断脸部肌肤上的生物标记。

最终他们希望能为其它老化生物标记发展出一套易用的 app,能侦测肌肤疾病,以及为肌肤护理提出个人专属的建议内容。