Применение компьютерного зрения для определения реперных точек при оценке геометрии лица
Автор: Шитоев И.Д., Муравьев С.В., Иванова М.Д., Клоян Г.З.
Рубрика: Информатика и вычислительная техника
Статья в выпуске: 3 т.24, 2024 года.
Бесплатный доступ
Применение компьютерного зрения для определения геометрии лица при помощи реперных точек является относительно новым подходом в медицине. Актуальность данного исследования обусловлена не только необходимостью разработки новых методов и подходов в определении геометрии лица, но и растущим интересом к развитию и применению искусственного интеллекта в медицине. Цель исследования. Цель данной статьи - разработать математические и нейросетевые алгоритмы, определяющие геометрию лица при помощи реперных точек.
Нейронная сеть, реперные точки, компьютерное зрение, геометрия лица
Короткий адрес: https://sciup.org/147244596
IDR: 147244596 | DOI: 10.14529/ctcr240302
Список литературы Применение компьютерного зрения для определения реперных точек при оценке геометрии лица
- Paniego S., Sharma V., Cañas J.M. Open-source assessment of deep learning visual object detection // Sensors. 2022. Vol. 22, no. 12. P. 4575. DOI: 10.3390/s22124575
- Artificial intelligence in medico‑dental diagnostics of the face: a narrative review of opportunities and challenges / R. Patcas, M.M. Bornstein, M.A. Schätzle, R. Timofte // Clinical Oral Investigations. 2022. Vol. 26, no. 12. P. 6871–6879. DOI: 10.1007/s00784-022-04724-2
- Review on facial-recognition-based applications in disease diagnosis / J. Qiang, D. Wu, H. Du et al. // Bioengineering. 2022. Vol. 9, no. 7. P. 273. DOI: 10.3390/bioengineering9070273
- Rahouma K.H., Mahfouz A.Z. Design and implementation of a face recognition system based on API mobile vision and normalized features of still images // 18th International Learning & Technology Conference. 2021. P. 32–44. DOI: 10.1016/j.procs.2021.10.057
- Meena G., Mohbey K.K., Kumar S. Sentiment analysis on images using convolutional neural networks-based Inception-V3 transfer learning approach // International journal of information management data insights. 2023. Vol. 3 (1). P. 100174. DOI: 10.1016/j.jjimei.2023.100174
- Akhgar B., Yates S. Strategic Intelligence Management. Oxford: Butterworth-Heinemann, 2013. 340 p.
- Maio M. MD CodesTM: A methodological approach to facial aesthetic treatment with injectable hyaluronic acid fillers // Aesth Plast Surg. 2021. Vol. 45, no. 2. P. 690–709. DOI: 10.1007/s00266-020-01762-7
- Geometric analysis and YOLO algorithm for automatic face detection system in a security setting / F.E. Ayo, A.M. Mustapha, J.A. Braimah, D.A. Aina // Journal of Physics: Conference Series. 2022. Vol. 2199, no. 1. P. 012010. DOI: 10.1088/1742-6596/2199/1/012010
- Tie Y., Guan L. Automatic landmark point detection and tracking for human facial expressions // EURASIP Journal on Image and Video Processing. 2013. Vol. 8. P. 1–15. DOI: 10.1186/1687-5281-2013-8
- Свидетельство о государственной регистрации программы для ЭВМ № 2022667399 Российская Федерация. Программное обеспечение для регистрации реперных точек поверхности головы человека методом фотограмметрии / И.Д. Шитоев, С.В. Муравьев; заявитель Общество с ограниченной ответственностью «Йорд Тех». № 2022666812; заявл. 15.09.2022; опубл. 20.09.2022.
- Тимошкин М.С., Миронов А.Н., Леонтьев А.С. Сравнение YOLO v5 и Faster R-CNN для обнаружения людей на изображении в потоковом режиме // Международный научно- исследовательский журнал. 2022. № 6 (120). C. 137–146. DOI: 10.23670/IRJ.2022.120.6.020
- Цифровые модели и инструменты для диагностики трехмерной деформации позвоночника на основе данных стереофотограмметрии / И.Д. Шитоев, В.Ю. Столбов, С.В. Муравьев и др. // Прикладная математика и вопросы управления. 2022. № 4. С. 60–82. DOI: 10.15593/2499-9873/2022.4.04
- Bhople A.R., Shrivastava A.M., Prakash S. Point cloud based deep convolutional neural network for 3D face recognition // Multimedia Tools and Applications. 2020. Vol. 80. P. 30237–30259. DOI: 10.1007/s11042-020-09008-z
- Sanchez S.A Romero H.J Morales A.D. A review: comparison of performance metrics of pretrained models for object detection using the TensorFlow framework // IOP Conf. Series: Materials Science and Engineering. 2020. Vol. 844. P. 012024. DOI: 10.1088/1757-899X/844/1/012024
- Дудченко П.В. Метрики оценки классификаторов в задачах медицинской диагностики // Молодежь и современные информационные технологии: сборник трудов XVI Международной научно-практической конференции студентов, аспирантов и молодых учёных / Томский политехнический университет – Томск: 2019. 164–165 c.
Статья научная
