追求美丽或许是肤浅的，但市值数十亿美元的医疗美容产业绝不会因此而放慢发展脚步。
如今，研究人员使用深度学习技术来准确识别皱纹、老年斑及人的皮肤上能体现健康状况的其他生物标记，同时帮助判断各种治疗方式的效果。
“您如何在各方意见不一的情况下评估自己的皮肤状况？”，数据科学家 Konstantin Kiselev 在出席 GPU 技术大会时如此发问。他在马里兰州巴尔的摩市创办了一家名为 Youth Laboratories 的公司，旨在更好地检测皮肤治疗的效果，并指出如何改善人体最大器官的状况。
Kiselev 说他的研究团队早期的工作涉及到准备 300 张手动标记的皱纹图片。该团队还使用 VGG 网络和 SegNet（一种用于像素分割的深度编解码器架构）来进行检测，然后部署 NVIDIA Tesla K80 进行训练和检测，速度比使用 CPU 要快 20 倍。
RYNKL
接下来，该团队开发出一款名为 RYNKL 的面部检测应用，可以创建覆盖额头、眼部、脸颊和嘴部的“皱纹地图区”。该应用会处理每个区域，然后分配一个数值，这些数值加起来就能得到 RYNKL 分数。
苛刻的标准
为推广这款应用（可在 Google Play 和 Apple 的 AppStore 中找到它的测试版本），该团队开发了一个平台，可以测试用于评估个人吸引力的不同算法。
今年年初，他们又出新招，举办了首届网络选美活动 Beauty.AI，用户可以在网站上将自己的照片提交至相应年龄组，接受全部由机器人组成的评审团的评判。第二届选美活动将于五月举行。
计算机视觉、面部识别、机器学习和神经网络领域的技术进步，使 Kiselev 及其团队能够使用人的脸部照片来确定面部皮肤上的生物标记。
他们希望最终为其他衰老的生物标记开发出一套易用的应用程序，以便能检测皮肤疾病和提出个性化的皮肤治疗建议。