По теме
Стерилизация собак и преждевременное старение: что нужно зна...
Узнайте о влиянии стерилизации и кастрации на физическое и поведенческое здоровье собак. Научные исс...
ИИ и интерфейсы мозг-компьютер: революция в управлении мысля...
Узнайте, как глубокое обучение и ИИ трансформируют неинвазивные интерфейсы «мозг — компьютер», позво...
Социальный джетлаг: почему нельзя отсыпаться в выходные
Научные данные показывают, что компенсация недосыпа в выходные дни (социальный джетлаг) негативно вл...
Влияние экранного времени на зрительное внимание и обработку...
Научная статья о том, как ежедневное экранное время связано с избирательным зрительным вниманием и о...
Влияние реверберации на качество замедленной речи: исследова...
Узнайте, как добавление эффекта реверберации может улучшить восприятие замедленной речи. В статье ра...
Леворукость и генетика: что говорят последние научные исслед...
Новое масштабное научное исследование, опубликованное в журнале Nature Communications, раскрывает ро...
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.
