Интересное сегодня
Как рабочая память влияет на обучение с нерелевантными призн...
Введение На протяжении всей жизни люди формируют причинно-следственные связи между действиями и резу...
Влияние стоимости саккад и значимости на выбор саккад
Стоимость саккад и их влияние на выборЛюди и другие животные с фовеальным зрением совершают резкие д...
Качество жизни несовершеннолетних беженцев без сопровождения...
Введение Беженец — это человек, который был вынужден покинуть свою страну происхождения в результате...
Как интенсивность и длительность физических упражнений влияю...
ВведениеС начала 2000-х годов многочисленные исследования указывают на то, что острая физическая наг...
Инструменты для измерения позитивного развития в спорте: Сис...
Позитивное развитие в спорте (PDS): Теоретический подход и измерение Введение Позитивное ра...
Как позитивное восприятие тела во время беременности влияет ...
Влияние восприятия тела во время беременности на психическое здоровье Беременность часто изображают ...
Введение в геометрическую морфометрию лиц
Разметка ориентиров — ключевой этап геометрической морфометрии, позволяющий количественно анализировать форму биологических структур, таких как кости или мягкие ткани лица. Традиционные ориентиры соответствуют четким анатомическим точкам, а полуориентиры (скользящие точки) используются там, где точное определение локализации затруднено.
Проблемы ручной разметки
- Трудоемкость: ручное нанесение сотен точек требует значительного времени
- Субъективность: вариативность между исследователями снижает воспроизводимость
- Ограничения существующих инструментов: многие конфигурации ориентиров разработаны для психологических экспериментов, а не для биометрики
Решение: FaceDig
Мы представляем FaceDig — ИИ-инструмент для автоматической разметки 72 ориентиров на фронтальных фотографиях лиц. Его особенности:
Точность на уровне эксперта с воспроизводимостью 0.97 по данным Procrustes-анализа
Технические преимущества
- Открытый исходный код (facedig.org)
- Совместимость с TpsDig2 и аналитическими платформами (R/Python)
- Двухэтапная архитектура: грубая проекция + CNN-уточнение
Методология
Обучение проводилось на 3,937 этнически разнообразных фотографиях. Архитектура включает:
1. Грубая проекция
Использование MediaPipe для первичного определения 239 ориентиров с последующей линейной проекцией в целевую 72-точечную систему.
2. CNN-уточнение
Для каждого ориентира применялся ансамбль из 6 сверточных сетей, анализирующих изображение в разных масштабах (32-72 пикселя). Потери рассчитывались через Wing Loss.
Результаты тестирования
Сравнение автоматической (FDG) и ручной коррекции (HC) показало:
| Метрика | Значение |
|---|---|
| Корреляция по дистинктивности | r=0.94 (p<0.001) |
| Корреляция по асимметрии | r=0.92 (p<0.001) |
Практическое применение
FaceDig особенно полезен для:
- Анализа исторических фотоархивов
- Кросс-культурных исследований
- Работы с большими базами данных (паспорта, соцсети)
Ограничения и перспективы
Текущая версия работает только с фронтальными изображениями. В разработке — поддержка профильных снимков и улучшенная обработка возрастных изменений.
