model_fatsusus / README.md
Jjtumarai's picture
deploy: bodyfat estimation app
1cac303
|
Raw
History Blame Contribute Delete
5.33 kB
---
title: Body Fat Estimation from Photo
emoji: 📷
colorFrom: blue
colorTo: green
sdk: gradio
app_file: app.py
pinned: false
license: mit
---
<!-- หมายเหตุ: เดิมตั้งใจใช้ sdk: docker แต่ HF คิดเงินสำหรับ Docker Space
จึงย้ายมาใช้ gradio SDK ซึ่งฟรี — ลง lib ผ่าน packages.txt / pre-requirements.txt / requirements.txt แทน Dockerfile
ไม่ระบุ sdk_version ไว้ เพื่อให้ HF เลือกเวอร์ชันล่าสุดที่ใช้ได้เอง (กันพิมพ์เวอร์ชันผิดแล้ว build ล้ม) -->
# ประเมิน % ไขมันในร่างกายจากภาพถ่าย
โครงงาน: **การพัฒนาแอปพลิเคชันประเมินเปอร์เซ็นต์ไขมันในร่างกายจากภาพถ่ายด้วยเทคนิค Computer Vision
เพื่อคำนวณพลังงานและสารอาหารที่เหมาะสมต่อวัน**
ภานุพงศ์ สนไชย · ที่ปรึกษา: รศ.ดร.สาธิต อินทจักร์
---
## ระบบทำงานยังไง
```
รูปถ่าย ─┬─► detectron2 + Pose2Seg ──► 7 อัตราส่วนร่างกาย ─┐
└─► DenseNet121 (fine-tuned) ─► 15 deep features ─┴─► SVR ──► BMI
┌──────────────────────────────────────────────┘
Deurenberg ──► % ไขมัน ──► LBM ──► Katch-McArdle ──► BMR
× ระดับกิจกรรม ──► TDEE ──► แคลอรี่/วัน
──► โปรตีน / ไขมัน / คาร์บ (กรัม)
```
## ผลความแม่นยำ (ทำนาย BMI)
| วิธี | MAE | R² |
|---|---|---|
| MediaPipe + SVR | 5.46 | 0.16 |
| DenseNet (frozen) + ratio | 5.07 | 0.26 |
| ResNet reproduce (single-split) | 4.12 | 0.55 |
| **DenseNet fine-tuned (10-fold CV)** | **2.46** | — |
| DenseNet fine-tuned (single-split test) | 3.77 | 0.60 |
| งานอ้างอิง (DenseNet, 10-fold) | 3.84 | — |
ข้อมูล: 2DImage2BMI (4,189 ภาพ)
## สูตรที่ใช้
| ขั้น | สูตร | อ้างอิง |
|---|---|---|
| BMI → % ไขมัน | `1.20·BMI + 0.23·อายุ − 10.8·เพศ − 5.4` | Deurenberg et al., 1991 |
| น้ำหนัก | `BMI × ส่วนสูง²` | นิยาม BMI |
| BMR (หลัก) | `370 + 21.6 × LBM` | Katch & McArdle, 1996 |
| BMR (เทียบ) | `10w + 6.25h − 5a ± c` | Mifflin et al., 1990 |
| TDEE | `BMR × PAL` | FAO/WHO/UNU, 2001 |
| สารอาหาร | โปรตีน 2.0 g/kg · ไขมัน 0.9 g/kg · คาร์บที่เหลือ | JISSN, 2014 |
## ⚠️ ข้อจำกัด
- ค่า % ไขมันเป็น **การประมาณ (± 5%)** ไม่ใช่การวัดทางการแพทย์ ใช้แทน DEXA / InBody ไม่ได้
- ชุดข้อมูลที่ใช้เทรน**ไม่มีค่าไขมันที่วัดจริง** — ระบบพิสูจน์ได้เฉพาะความแม่นยำของการทำนาย BMI
ส่วนการแปลง BMI → ไขมัน อาศัยสูตรมาตรฐาน (ซึ่งมีความคลาดเคลื่อนของตัวเอง)
- ความผิดพลาดของ BMI จะถูกขยายต่อในขั้นถัดไป (สูตร Deurenberg คูณ 1.20)
- โมเดลตัดขั้นตอนลบแขนออกจาก mask (SCHP build ไม่ผ่าน) ทำให้การวัดสัดส่วนคลาดเล็กน้อย
- ต้องกรอกส่วนสูงเอง เพราะภาพถ่ายใบเดียวไม่มีวัตถุอ้างอิงให้แปลง pixel เป็นเซนติเมตร
- รองรับภาพคนเดียว ยืนตรง เห็นเต็มตัว พื้นหลังโล่ง
## ข้อมูลทางเทคนิค
- รันบน CPU (HF Spaces ฟรี) — ภาพละประมาณ 5–15 วินาที
- ครั้งแรกหลัง Space ตื่นจากหลับ จะช้ากว่าปกติเพราะต้องโหลดโมเดล