proje 01
RhinoAI
Kullanıcıların yüz fotoğrafları üzerinden rinoplasti ve fasiyal oran analizi yapan mobil yapay zekâ uygulaması. Yüz landmark tespiti ve derin öğrenme modellerini cihaz üzerinde gerçek zamanlı koşturur.
- Kategori
- Mobil
- Rol
- Uçtan uca geliştirme
kullanılan teknolojiler
- Kotlin
- Jetpack Compose
- Python
- TensorFlow Lite
- ML Kit
- ViT
problem
Problem
Rinoplasti öncesi yüz oranı analizi, klinik ortamda uzman ölçümü gerektiren ve kişinin kendi başına erişemediği bir süreç. Mevcut mobil çözümler ise fotoğrafı sunucuya yüklüyor — bu hem gizlilik sorunu yaratıyor hem de internet bağlantısına bağımlı kılıyor.
çözüm
Çözüm
Yüz landmark tespitini ve derin öğrenme çıkarımını tamamen cihaz üzerinde çalıştıran bir Android uygulaması geliştirdim. ML Kit Face Mesh ile 468 referans noktası tespit ediliyor, bu noktalardan fasiyal oranlar ve asimetri değerleri hesaplanıyor. Ağır sınıflandırma modelleri TensorFlow Lite formatına dönüştürülüp niceleme ile küçültüldü.
sonuç
Sonuç
Fotoğraf hiçbir zaman cihazdan çıkmıyor, analiz internet bağlantısı olmadan çalışıyor. Sunucu maliyeti sıfır.
öne çıkan özellikler
- 01ML Kit Face Mesh ile 468 yüz referans noktasının tespiti ve asimetri hesaplamaları.
- 02TFLite formatına optimize edilmiş modellerle cihaz üzerinde düşük gecikmeli çıkarım.
- 03MVVM ve Jetpack Compose ile modern, reaktif Android mimarisi.
neden bu seçimler
Neden TensorFlow Lite?
Vision Transformer tabanlı model doğrudan mobilde çalışamayacak kadar ağırdı. TFLite dönüşümü ve niceleme, model boyutunu ve çıkarım süresini kabul edilebilir seviyeye indirdi.
Neden Jetpack Compose?
Kamera önizlemesi üzerine gerçek zamanlı landmark çizimi gerekiyordu. Compose'un reaktif yapısı, her karede güncellenen bu arayüzü XML tabanlı görünümlere göre çok daha temiz yönetiyor.