МОБИЛЬНОЕ ПРИЛОЖЕНИЕ ДЛЯ ПЕРСОНАЛИЗИРОВАННОГО ПОДБОРА СРЕДСТВ ПО УХОДУ ЗА КОЖЕЙ НА ОСНОВЕ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ И VISION-LANGUAGE МОДЕЛЕЙ

Аннотация

В данной статье представлены архитектура и программная реализация мобильного приложения для анализа состояния кожи и персонализированного подбора средств ухода с использованием методов искусственного интеллекта. Решение ориентировано преимущественно на лиц, кожа которых подвергается повышенным физиологическим нагрузкам, – профессиональных спортсменов и людей, активно занимающихся фитнесом, – при этом приложение может использоваться и более широкой аудиторией. Модуль анализа реализован на основе двухэтапного подхода: сверточной нейронной сети (CNN) семейства ResNet, обученной методом transfer learning на открытых наборах селфи-изображений с дерматологической разметкой, и vision-language модели Gemini Flash 2.5, выполняющей валидацию результатов CNN для сложных классов. Подробно описан алгоритм рекомендаций, включающий строгие фильтры аллергенов, оценку продуктов в зависимости от типа кожи, граф несовместимости активных ингредиентов, а также критерии отбора с учетом ценовых категорий и разнообразия брендов. Количественные показатели эффективности демонстрируют точность 88,65 % при классификации типа кожи и 91,35 % при определении кожных проблем; интеграция VLM-валидатора повышает точность на сложных классах с 79,0 % до 92,4 %. Полученные результаты подтверждают практическую применимость гибридного подхода CNN + VLM для мобильного анализа лица в задачах косметологии.