美麗或許是膚淺的，但市值數十億美元的醫美產業絕不會因此而停下腳步。
如今研究人員運用深度學習技術來解決皺紋、老人斑及其它在肌膚上顯露健康狀態的生物標記各種肌膚問題，同時判斷各項治療方式的成效。
「如何在各方意見不一的情況下評估肌膚狀態？」資料科學家 Konstantin Kiselev在 GPU 科技大會上進行簡報時，提出這個問題。他在馬里蘭州 Youth Laboratories 成立 Baltimore 公司，目的為更深入檢測肌膚治療的效果，提出改善人體最大器官－肌膚狀況的方法。
Kiselev 說他的研究團隊早期提出的成果包括準備300張人工加註標籤的皺紋圖片，也使用 VGG 網路和像素分割深度編碼架構 SegNet 來進行檢測，接著部署 NVIDIA Tesla K80 來訓練和檢測，速度較使用 CPU 快上20倍。
RYNKL
研究團隊接著開發出名為 RYNKL 的臉孔偵測 app，對額頭、眼部、臉頰和嘴部建立「皺紋地圖區」。應用軟體處理各區並指定一個數字，最後進行加總得到一個 RYNKL 分數。
殘酷的標準
研究團隊開發一個測試多種演算法的平台，並且為吸引人的程度加以評分，以推廣這款app （可在 Google Play 和 Apple 的 AppStore 下載 beta 版）。
今年初他們推出極具創意的首次線上選美比賽 Beauty.AI，使用者可以在網站上提交與自己年齡相關的照片，再由都是機器人組成的評審團選出冠軍。第二屆活動將於五月舉行。
電腦視覺、臉孔辨識、機器學習和神經網路等技術的發展，使得 Kiselev 及其團隊能使用某個人的臉部照片來判斷臉部肌膚上的生物標記。
最終他們希望能為其它老化生物標記發展出一套易用的 app，能偵測肌膚疾病，以及為肌膚護理提出個人專屬的建議內容。