Автор: 
За последние десятилетия косметическая индустрия значительно выросла, и для привлечения потребителей были разработаны различные системы косметических рекомендаций, которые направлены на поиск лучших продуктов для пользователей. Большинство таких систем анализируют модели оценок на основе отзывов и рейтингов клиентов, которые содержат различные мнения о каждом продукте. Кроме того, системы рекомендуют продукты на основе личной информации, чтобы найти наиболее подходящий продукт для каждого пользователя, включая пол, возраст, историю покупок и данные о кликах на сайтах.
Исследователи из Сеула предложили метод оценки эффективности косметики на основе её ингредиентов и представили нейросетевую систему, которая рекомендует потребителям персонализированные продукты. Учёные построили архитектуру глубокой нейронной сети для анализа последовательно расположенных косметических ингредиентов в продукте и внедрили модели анализа кожи, чтобы получить точное состояние кожи пользователей на фронтальных изображениях лица. Новая система рекомендаций принимает решения на основе результатов, оптимизированных для конкретного человека. Исследование опубликовано в журнале Journal of Cosmetic Dermatology.
Разработанная система косметических рекомендаций доказала свою эффективность благодаря надёжным показателям оценки, а многочисленные примеры продемонстрировали её способность давать разумные рекомендации при различных проблемах с кожей. Результат показывает, что методы глубокого обучения можно использовать для прогнозирования воздействия продуктов на основе их косметических ингредиентов и для использования в персонализированных косметических рекомендациях.
