Интересное сегодня
Участие родителей в физической активности детей с аутизмом: ...
Введение Расстройство аутистического спектра (РАС) представляет собой спектр нарушений, количество л...
Особенности эмоциональной обработки у людей с аутизмом: ключ...
Как эмоциональная обработка проявляется у людей с аутизмом Люди с аутизмом могут обрабатывать эмоции...
Механизмы обновления убеждений при большом депрессивном расс...
Введение Большое депрессивное расстройство (БДР) — это изнурительное состояние, которое значительно ...
Стратегии преодоления нарколепсии 1 типа и их влияние на кач...
Введение Нарколепсия 1 типа (NT1) — это хроническое неврологическое расстройство, характеризующееся ...
Графоподобная организация социальной близости в кинонарратив...
Графоподобная организация не-пространственного знания о социальной близости в кинонарративах Исслед...
Воздействие эксплуататорского лидерства на поведение подчине...
Введение В последние годы все больше ученых расширили фокус исследований лидерства, исследуя его тем...
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.
