知財求人 - 知財ポータルサイト「IP Force」
▶ ザ プロクター アンド ギャンブル カンパニーの特許一覧
特表2023-551789１つ以上のユーザ固有の推奨を生成するために、ユーザの頭部の毛髪領域の画像の画素データを分析するためのデジタル撮像及び学習システム並びに方法
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2023-12-13
(54)【発明の名称】１つ以上のユーザ固有の推奨を生成するために、ユーザの頭部の毛髪領域の画像の画素データを分析するためのデジタル撮像及び学習システム並びに方法
(51)【国際特許分類】
G06T 7/00 20170101AFI20231206BHJP
A61B 5/00 20060101ALI20231206BHJP
A41G 3/00 20060101ALI20231206BHJP
G06T 1/00 20060101ALI20231206BHJP
【ＦＩ】
G06T7/00 660A
G06T7/00 350B
A61B5/00 M
A41G3/00 Z
G06T1/00 C
【審査請求】有
【予備審査請求】未請求
(21)【出願番号】P 2023527960
(86)(22)【出願日】2021-11-18
(85)【翻訳文提出日】2023-05-10
(86)【国際出願番号】 US2021059836
(87)【国際公開番号】W WO2022109096
(87)【国際公開日】2022-05-27
(31)【優先権主張番号】16/953,385
(32)【優先日】2020-11-20
(33)【優先権主張国・地域又は機関】US
(81)【指定国・地域】
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．Ｌｉｎｕｘ
２．ＵＮＩＸ
３．ＭｙＳＱＬ
４．３ＧＰＰ
５．ＰＹＴＨＯＮ
６．ＪＡＶＡ
７．ＪＡＶＡＳＣＲＩＰＴ
８．ＢＬＵＥＴＯＯＴＨ
９．ＴＥＮＳＯＲＦＬＯＷ
１０．ＳＷＩＦＴ
(71)【出願人】
【識別番号】590005058
【氏名又は名称】ザ プロクター アンド ギャンブル カンパニー
【氏名又は名称原語表記】ＴＨＥ ＰＲＯＣＴＥＲ ＆ ＧＡＭＢＬＥ ＣＯＭＰＡＮＹ
【住所又は居所原語表記】Ｏｎｅ Ｐｒｏｃｔｅｒ ＆ Ｇａｍｂｌｅ Ｐｌａｚａ， Ｃｉｎｃｉｎｎａｔｉ， ＯＨ ４５２０２，Ｕｎｉｔｅｄ Ｓｔａｔｅｓ ｏｆ Ａｍｅｒｉｃａ
(74)【代理人】
【識別番号】110001243
【氏名又は名称】弁理士法人谷・阿部特許事務所
(72)【発明者】
【氏名】スプリヤ プニャニ
(72)【発明者】
【氏名】ヴァンダナ レディ パダラ
(72)【発明者】
【氏名】ピン フー
【テーマコード（参考）】
4C117
5B050
5L096
【Ｆターム（参考）】
4C117XE43
4C117XJ31
4C117XK09
4C117XQ13
5B050AA03
5B050BA06
5B050BA10
5B050BA12
5B050BA20
5B050CA08
5B050DA04
5B050EA03
5B050EA04
5B050EA18
5B050FA02
5B050FA05
5B050FA13
5B050GA08
5L096AA02
5L096AA06
5L096CA02
5L096DA02
5L096EA37
5L096HA11
5L096KA04
5L096KA15
(57)【要約】
１つ以上のユーザ固有の推奨を生成するために、ユーザの頭部の毛髪領域の画像の画素データを分析するためのデジタル撮像及び学習システム並びに方法が説明される。ユーザのデジタル画像は、撮像アプリケーション（アプリ）で受信され、ユーザの頭部の毛髪領域の少なくとも一部分の画素データを含む。それぞれの個人の頭部の毛髪領域を描写する複数の訓練画像の画素データを用いて訓練される毛髪ベースの学習モデルは、ユーザの毛髪領域の画像分類を決定するために画像を分析する。撮像アプリは、画像分類に基づいて、ユーザの頭部の毛髪領域の少なくとも一部分を含む画素データ内で識別可能な少なくとも１つの特徴に対処するように設計されたユーザ固有の推奨を生成する。撮像アプリは、ユーザ固有の推奨をディスプレイ画面上でレンダリングする。
【特許請求の範囲】
【請求項1】
１つ以上のユーザ固有の推奨を生成するために、ユーザの頭部の毛髪領域の画像の画素データを分析するように構成されたデジタル撮像及び学習システムであって、１つ以上のプロセッサと、
前記１つ以上のプロセッサ上で実行されるように構成されたコンピューティング命令を含む、撮像アプリケーション（アプリ）と、
前記撮像アプリによってアクセス可能であり、それぞれの個人の頭部の毛髪領域を描写する複数の訓練画像の画素データを用いて訓練された、毛髪ベースの学習モデルであって、前記それぞれの個人の毛髪の１つ以上の特徴に対応する１つ以上の画像分類を出力するように構成されている、毛髪ベースの学習モデルと、を備え、
前記撮像アプリの前記コンピューティング命令が、前記１つ以上のプロセッサによって実行されるときに、前記１つ以上のプロセッサに、
ユーザの画像を受信することであって、前記画像が、デジタルカメラによってキャプチャされたデジタル画像を含み、前記画像が、前記ユーザの頭部の毛髪領域の少なくとも一部分の画素データを含む、受信することと、
前記ユーザの毛髪領域の画像分類を決定するために、前記デジタルカメラによってキャプチャされた前記画像を、前記毛髪ベースの学習モデルによって分析することであって、前記画像分類が、前記毛髪ベースの学習モデルの前記１つ以上の画像分類から選択される、分析することと、
前記ユーザの毛髪領域の前記画像分類に基づいて、前記ユーザの頭部の毛髪領域の前記少なくとも一部分を含む前記画素データ内で識別可能な少なくとも１つの特徴に対処するように設計された少なくとも１つのユーザ固有の推奨を生成することと、
コンピューティングデバイスのディスプレイ画面上で、前記少なくとも１つのユーザ固有の推奨をレンダリングすることと、を行わせる、デジタル撮像及び学習システム。
【請求項2】
前記１つ以上の画像分類が、（１）毛髪縮れ画像分類、（２）毛髪毛揃い画像分類、（３）毛髪光沢画像分類、（４）毛髪油性分類、（５）毛髪量分類、（６）毛髪色分類、又は（７）毛髪タイプ分類、のうちの１つ以上を含む、請求項１に記載のデジタル撮像及び学習システム。
【請求項3】
前記コンピューティング命令が、前記１つ以上のプロセッサに、前記毛髪ベースの学習モデルの前記１つ以上の画像分類から選択された前記ユーザの毛髪領域の第２の画像分類を決定するために、前記デジタルカメラによってキャプチャされた前記画像を、前記毛髪ベースの学習モデルによって分析することを更に行わせ、
前記ユーザ固有の推奨が、前記ユーザの毛髪領域の前記第２の画像分類に更に基づく、請求項１又は２に記載のデジタル撮像及び学習システム。
【請求項4】
前記ユーザの前記毛髪の前記１つ以上の特徴が、（１）突き出ている１本以上の毛髪、（２）毛髪繊維の形状若しくは相対的な位置決め、（３）１つ以上の連続した毛髪光沢バンド、又は（４）毛髪油性、のうちの１つ以上を含む、請求項１～３のいずれか一項に記載のデジタル撮像及び学習システム。
【請求項5】
前記複数の訓練画像のうちの１つ以上又は前記ユーザの前記少なくとも１つの画像が各々、前記ユーザの少なくとも１つ以上の顔の特徴が除去された毛髪を描写する１つ以上のトリミングされた画像を含み、好ましくは、前記１つ以上のトリミングされた画像が、個人識別可能情報（ＰＩＩ）を描写することなく、前記ユーザの１つ以上の抽出された毛髪領域を含む、請求項１～４のいずれか一項に記載のデジタル撮像及び学習システム。
【請求項6】
前記少なくとも１つのユーザ固有の推奨が、前記ユーザの頭部の毛髪領域の前記少なくとも一部分を含む前記画素データにおいて識別可能な前記少なくとも１つの特徴を処理するための命令と共に、前記コンピューティングデバイスの前記ディスプレイ画面上に表示される、請求項１～５のいずれか一項に記載のデジタル撮像及び学習システム。
【請求項7】
前記少なくとも１つのユーザ固有の推奨が、前記ユーザの頭部の毛髪領域の少なくとも一部分の前記画素データに基づいて決定された髪質スコアと、前記毛髪ベースの学習モデルの前記１つ以上の画像分類から選択された１つ以上の画像分類と、を含む、請求項１～６のいずれか一項に記載のデジタル撮像及び学習システム。
【請求項8】
前記コンピューティング命令が、前記１つ以上のプロセッサに、前記１つ以上のプロセッサに通信可能に結合された１つ以上のメモリに、ユーザの毛髪領域の経時的な変化を追跡するために、第１の時間に前記デジタルカメラによってキャプチャされた前記ユーザの前記画像を記録することと、
前記ユーザの第２の画像を受信することであって、前記第２の画像が、第２の時間に前記デジタルカメラによってキャプチャされ、前記第２の画像が、前記ユーザの頭部の毛髪領域の少なくとも一部分の画素データを含む、受信することと、
前記第２の時間に、前記毛髪ベースの学習モデルの前記１つ以上の画像分類から選択された前記ユーザの毛髪領域の第２の画像分類を決定するために、前記デジタルカメラによってキャプチャされた前記第２の画像を、前記毛髪ベースの学習モデルによって分析することと、
前記ユーザの毛髪領域の前記画像及び前記第２の画像又は前記分類若しくは前記第２の分類の比較に基づいて、前記ユーザの頭部の毛髪領域の前記少なくとも一部分を含む前記第２の画像の前記画素データ内で識別可能な少なくとも１つの特徴に関する新しいユーザ固有の推奨又はコメントを生成することと、
コンピューティングデバイスのディスプレイ画面上で、好ましくは、前記第１の時間と前記第２の時間との間の前記ユーザの頭部の前記毛髪領域の前記少なくとも一部分のテキスト、視覚、又は仮想比較を含む、前記新しいユーザ固有の推奨又はコメントをレンダリングすることと、を更に行わせる、請求項１～７のいずれか一項に記載のデジタル撮像及び学習システム。
【請求項9】
前記少なくとも１つのユーザ固有の推奨が、製造された製品についての製品推奨を含み、好ましくは、前記少なくとも１つのユーザ固有の推奨が、前記ユーザの頭部の毛髪領域の前記少なくとも一部分を含む前記画素データにおいて識別可能な前記少なくとも１つの特徴を前記製造された製品で処理するための命令と共に、前記コンピューティングデバイスの前記ディスプレイ画面上に表示される、請求項１～８のいずれか一項に記載のデジタル撮像及び学習システム。
【請求項10】
前記コンピューティング命令が、前記１つ以上のプロセッサに、前記製品推奨に基づいて、前記ユーザへの前記製造された製品の出荷を開始することを更に行わせる、請求項９に記載のデジタル撮像及び学習システム。
【請求項11】
前記コンピューティング命令が、前記１つ以上のプロセッサに、前記画像に基づいて修正された画像を生成することであって、前記修正された画像が、前記少なくとも１つの特徴を前記製造された製品で処理した後に前記ユーザの毛髪がどのように見えると予測されるかを描写する、生成することと、
前記コンピューティングデバイスの前記ディスプレイ画面上で、前記修正された画像をレンダリングすることと、を更に行わせる、請求項９に記載のデジタル撮像及び学習システム。
【請求項12】
前記毛髪ベースの学習モデルが、少なくとも１つの人工知能（ＡＩ）アルゴリズムを用いて訓練されたＡＩベースのモデルである、請求項１～１１のいずれか一項に記載のデジタル撮像及び学習システム。
【請求項13】
前記毛髪ベースの学習モデルが、それぞれの個人の頭部の前記毛髪領域に対応する１つ以上の毛髪タイプを出力するように、前記複数の訓練画像の前記画素データを用いて、前記１つ以上のプロセッサによって更に訓練され、前記１つ以上の毛髪タイプの各々が、特定の毛髪タイプ属性を定義し、
前記ユーザの毛髪領域の前記画像分類の決定が、前記ユーザの頭部の毛髪領域の前記少なくとも一部分の毛髪タイプ又は特定の毛髪タイプ属性に更に基づく、請求項１～１２のいずれか一項に記載のデジタル撮像及び学習システム。
【請求項14】
前記１つ以上のプロセッサが、サーバのサーバプロセッサを備え、前記サーバが、コンピュータネットワークを介してモバイルデバイスに通信可能に結合され、前記撮像アプリが、前記サーバの前記１つ以上のプロセッサ上で実行されるように構成されたサーバアプリ部分と、前記モバイルデバイスの１つ以上のプロセッサ上で実行するように構成されたモバイルアプリ部分と、を備え、前記サーバアプリ部分が、前記モバイルアプリ部分と通信するように構成されており、前記サーバアプリ部分が、（１）前記デジタルカメラによってキャプチャされた前記画像を受信すること、（２）前記ユーザの毛髪の前記画像分類を決定すること、（３）前記ユーザ固有の推奨を生成すること、又は（４）前記１つのユーザ固有の推奨を前記モバイルアプリ部分に伝送すること、のうちの１つ以上を実装するように構成されている、請求項１～１３のいずれか一項に記載のデジタル撮像及び学習システム。
【請求項15】
１つ以上のユーザ固有の推奨を生成するために、ユーザの頭部の毛髪領域の画像の画素データを分析するためのデジタル撮像及び学習方法であって、１つ以上のプロセッサ上で実行される撮像アプリケーション（アプリ）で、ユーザの画像を受信することであって、前記画像が、デジタルカメラによってキャプチャされたデジタル画像を含み、前記画像が、前記ユーザの頭部の毛髪領域の少なくとも一部分の画素データを含む、受信することと、
前記ユーザの毛髪領域の画像分類を決定するために、前記デジタルカメラによってキャプチャされた前記画像を、前記撮像アプリによってアクセス可能な毛髪ベースの学習モデルによって分析することであって、前記画像分類が、前記毛髪ベースの学習モデルの１つ以上の画像分類から選択され、前記毛髪ベースの学習モデルが、それぞれの個人の頭部の毛髪領域を描写する複数の訓練画像の画素データを用いて訓練され、前記毛髪ベースの学習モデルが、前記それぞれの個人の毛髪の１つ以上の特徴に対応する前記１つ以上の画像分類を出力するように動作可能である、分析することと、
前記ユーザの毛髪領域の前記画像分類に基づく前記撮像アプリによって、前記ユーザの頭部の毛髪領域の前記少なくとも一部分を含む前記画素データ内で識別可能な少なくとも１つの特徴に対処するように設計された少なくとも１つのユーザ固有の推奨を生成することと、
前記撮像アプリによって、コンピューティングデバイスのディスプレイ画面上で、前記少なくとも１つのユーザ固有の推奨をレンダリングすることと、を含む、デジタル撮像及び学習方法。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、概して、デジタル撮像及び学習システム並びに方法に関し、より具体的には、１つ以上のユーザ固有の推奨を生成するために、ユーザの頭部の毛髪領域の画像の画素データを分析するためのデジタル撮像及び学習システム並びに方法に関する。
【背景技術】
【0002】
概して、皮脂及び汗などの人間の毛髪の複数の内因性因子は、ユーザの毛髪の視覚的質及び／又は外観に対して現実世界の影響を有し、これは、不満足な毛髪の質感、状態、見た目及び／又は髪質（例えば、縮れ、毛揃い、光沢、油性、及び／又は他の毛髪属性）を含み得る。風、湿度、及び／又は様々な毛髪関連製品の使用などの追加の外因性要因もまた、ユーザの毛髪の外観に影響を及ぼす場合がある。更に、毛髪関連問題のユーザ知覚は、典型的には、そのような基礎となる内因性及び／又は外因性要因を反映しない。
【0003】
したがって、特に、各々が異なる人口統計、人種、及び民族に関連付けられ得る異なるユーザにわたって考慮されるとき、毛髪及び毛髪タイプの複雑さと併せて内因性及び／又は外因性因子の数を考慮すると、問題が生じる。これは、様々な人間の毛髪の状態及び特徴の診断及び処置において問題を生じさせる。例えば、個人消費者製品試験を含む従来技術の方法は、時間がかかるか、又はエラーを起こしやすい（かつ、おそらく否定的である）可能性がある。加えて、ユーザは、様々な製品又は技法を用いて経験的に実験しようと試みる場合があるが、満足のいく結果を達成することなく、かつ／又は起こり得る負の副作用を引き起こし、ユーザの毛髪の健康若しくはそうでなければ視覚的外観に影響を及ぼす。
【発明の概要】
【発明が解決しようとする課題】
【0004】
前述の理由から、１つ以上のユーザ固有の推奨を生成するために、ユーザの頭部の毛髪領域の画像の画素データを分析するためのデジタル撮像及び学習システム並びに方法が必要とされている。
【課題を解決するための手段】
【0005】
概して、本明細書に記載されるように、１つ以上のユーザ固有の推奨を生成するために、ユーザの頭部の毛髪領域の画像の画素データを分析するためのデジタル撮像及び学習システムが説明される。そのようなデジタル撮像及び学習システムは、人間の毛髪の様々な内因性及び／又は外因性の要因又は属性を識別及び処理する際の困難性から生じる問題を克服するためのデジタル撮像及び人工知能（artificial intelligence、ＡＩ）ベースの解決策を提供する。
【0006】
本明細書に記載されるようなデジタル撮像及び学習システムは、ユーザが、特定のユーザ画像を撮像サーバ（例えば、その１つ以上のプロセッサを含む）、又はそうでなければコンピューティングデバイスに（例えば、ユーザのモバイルデバイス上にローカルになどに）提出することを可能にし、撮像サーバ又はユーザコンピューティングデバイスは、それぞれの個人の頭部の毛髪領域を描写する潜在的に１０，０００個（以上）の画像の画素データを用いて訓練された人工知能ベースの毛髪ベース学習モデルを実装又は実行する。毛髪ベースの学習モデルは、ユーザの毛髪領域の画像分類に基づいて、ユーザの頭部の毛髪領域の少なくとも一部分を含む画素データ内で識別可能な少なくとも１つの特徴に対処するように設計された少なくとも１つのユーザ固有の推奨を生成し得る。例えば、ユーザの頭部の毛髪領域の少なくとも一部分は、特定のユーザの毛髪の縮れ、毛揃い、光沢、油性、及び／又は他の属性を示す画素又は画素データを含むことができる。いくつかの実施形態では、ユーザ固有の推奨（及び／又は製品固有の推奨）は、ディスプレイ画面上でレンダリングするために、コンピュータネットワークを介してユーザのユーザコンピューティングデバイスに伝送され得る。他の実施形態では、ユーザ固有の画像の撮像サーバへの伝送は行われず、ユーザ固有の推奨（及び／又は製品固有の推奨）は、代わりに、毛髪ベースの学習モデルによって生成され、ユーザのモバイルデバイス上でローカルに実行及び／又は実装され、モバイルデバイスのプロセッサによってモバイルデバイスのディスプレイ画面上でレンダリングされ得る。様々な実施形態では、そのようなレンダリングは、画素データ内の特徴に対処するためのグラフィック表現、オーバーレイ、注釈などを含み得る。
【0007】
より具体的には、本明細書に記載されるように、デジタル撮像及び学習システムが開示される。デジタル撮像及び学習システムは、１つ以上のユーザ固有の推奨を生成するために、ユーザの頭部の毛髪領域の画像の画素データを分析するように構成されている。デジタル撮像及び学習システムは、１つ以上のプロセッサ、及び１つ以上のプロセッサ上で実行されるように構成されたコンピューティング命令を含む撮像アプリケーション（アプリ）を含み得る。デジタル撮像及び学習システムは、撮像アプリによってアクセス可能であり、それぞれの個人の頭部の毛髪領域を描写する複数の訓練画像の画素データを用いて訓練された毛髪ベースの学習モデルを更に備え得る。毛髪ベースの学習モデルは、それぞれの個人の毛髪の１つ以上の特徴に対応する１つ以上の画像分類を出力するように構成され得る。なおも更に、様々な実施形態では、撮像アプリのコンピューティング命令は、１つ以上のプロセッサによって実行されると、１つ以上のプロセッサにユーザの画像を受信させ得る。画像は、デジタルカメラによってキャプチャされたデジタル画像を含み得る。画像は、ユーザの頭部の毛髪領域の少なくとも一部分の画素データを含み得る。撮像アプリのコンピューティング命令は、１つ以上のプロセッサによって実行されると、１つ以上のプロセッサに更に、ユーザの毛髪領域の画像分類を決定するために、毛髪ベースの学習モデルによって、デジタルカメラによってキャプチャされた画像を分析させ得る。画像分類は、毛髪ベースの学習モデルの１つ以上の画像分類から選択され得る。撮像アプリのコンピューティング命令は、１つ以上のプロセッサによって実行されると、１つ以上のプロセッサに更に、ユーザの毛髪領域の画像分類に基づいて、ユーザの頭部の毛髪領域の少なくとも一部分を含む画素データ内で識別可能な少なくとも１つの特徴に対処するように設計された少なくとも１つのユーザ固有の推奨を生成させ得る。加えて、撮像アプリのコンピューティング命令は、１つ以上のプロセッサによって実行されると、１つ以上のプロセッサに更に、コンピューティングデバイスのディスプレイ画面上で、少なくとも１つのユーザ固有の推奨をレンダリングさせ得る。
【0008】
加えて、本明細書に記載されるように、１つ以上のユーザ固有の推奨を生成するために、ユーザの頭部の毛髪領域の画像の画素データを分析するためのデジタル撮像及び学習方法が開示される。デジタル撮像及び学習方法は、１つ以上のプロセッサ上で実行される撮像アプリケーション（アプリ）で、ユーザの画像を受信することを含む。画像は、デジタルカメラによってキャプチャされたデジタル画像であり得る。加えて、画像は、ユーザの頭部の毛髪領域の少なくとも一部分の画素データを含み得る。デジタル撮像及び学習方法は、撮像アプリによってアクセス可能な髪ベースの学習モデルによって、ユーザの毛髪領域の画像分類を決定するために、デジタルカメラによってキャプチャされた画像を分析することを更に含み得る。画像分類は、毛髪ベースの学習モデルの１つ以上の画像分類から選択され得る。加えて、毛髪ベースの学習モデルは、それぞれの個人の頭部の毛髪領域を描写する複数の訓練画像の画素データを用いて訓練され得る。なおも更に、毛髪ベースの学習モデルは、それぞれの個人の毛髪の１つ以上の特徴に対応する１つ以上の画像分類を出力するように動作可能であり得る。デジタル撮像及び学習方法は、ユーザの毛髪領域の画像分類に基づく撮像アプリによって、ユーザの頭部の毛髪領域の少なくとも一部分を含む画素データ内で識別可能な少なくとも１つの特徴に対処するように設計された少なくとも１つのユーザ固有の推奨を生成することを更に含む。デジタル撮像及び学習方法は、撮像アプリによって、コンピューティングデバイスのディスプレイ画面上で、少なくとも１つのユーザ固有の推奨をレンダリングすることを更に含み得る。
【0009】
更に、本明細書に記載されるように、１つ以上のユーザ固有の推奨を生成するために、ユーザの頭部の毛髪領域の画像の画素データを分析するための命令を格納する有形の非一時的コンピュータ可読媒体が開示される。命令は、１つ以上のプロセッサによって実行されると、１つ以上のプロセッサに、撮像アプリケーション（アプリ）で、ユーザの画像を受信させ得る。画像は、デジタルカメラによってキャプチャされたデジタル画像を含み得る。画像は、ユーザの頭部の毛髪領域の少なくとも一部分の画素データを含み得る。命令は、１つ以上のプロセッサによって実行されると、１つ以上のプロセッサに更に、ユーザの毛髪領域の画像分類を決定するために、撮像アプリによってアクセス可能な毛髪ベースの学習モデルによって、デジタルカメラによってキャプチャされた画像を分析させ得る。画像分類は、毛髪ベースの学習モデルの１つ以上の画像分類から選択され得る。毛髪ベースの学習モデルは、それぞれの個人の頭部の毛髪領域を描写する複数の訓練画像の画素データを用いて訓練され得る。更に、毛髪ベースの学習モデルは、それぞれの個人の毛髪の１つ以上の特徴に対応する１つ以上の画像分類を出力するように動作可能であり得る。命令は、１つ以上のプロセッサによって実行されると、１つ以上のプロセッサに更に、撮像アプリによって、ユーザの毛髪領域の画像分類に基づいて、ユーザの頭部の毛髪領域の少なくとも一部分を含む画素データ内で識別可能な少なくとも１つの特徴に対処するように設計された少なくとも１つのユーザ固有の推奨を生成させ得る。命令は、１つ以上のプロセッサによって実行されると、１つ以上のプロセッサに更に、撮像アプリによって、コンピューティングデバイスのディスプレイ画面上で、少なくとも１つのユーザ固有の推奨をレンダリングさせ得る。
【0010】
本明細書の上記の開示によれば、本開示は、例えば、撮像サーバ、又はそうでなければコンピューティングデバイス（例えば、ユーザコンピュータデバイス）の知能又は予測能力が訓練された（例えば、機械学習訓練された）毛髪ベースの学習モデルによって強化される場合に、その撮像サーバ又はコンピューティングデバイスが改善されることを説明しているので、本開示は、コンピュータ機能、又は少なくとも他の技術に対する改善における改善を含む。撮像サーバ又はコンピューティングデバイス上で実行される毛髪ベースの学習モデルは、他の個人の画素データに基づいて、ユーザ固有の毛髪の特徴、ユーザの毛髪領域の画像分類、及び／又はユーザの頭部の毛髪領域の少なくとも一部分を含む画素データ内で識別可能な少なくとも１つの特徴に対処するように設計されたユーザ固有の推奨のうちの１つ以上をより正確に識別することができる。すなわち、本開示は、撮像サーバ又はユーザコンピューティングデバイスが、新たに提供された顧客画像などのユーザ固有の画像の画素データを正確に予測、検出、又は決定するために、複数の訓練画像（例えば、１０，０００個の訓練画像及び特徴データとしての関連する画素データ）を用いて強化されるので、コンピュータ自体又は「任意の他の技術又は技術分野」の機能の改善を説明する。これは、少なくとも、既存のシステムがそのような予測又は分類機能を欠き、ユーザの頭部の毛髪領域の少なくとも一部分を含む画素データ内で識別可能な少なくとも１つの特徴に対処するために予測結果を出力するためにユーザ固有の画像を正確に分析することが単純にできないので、従来技術よりも改善している。
【0011】
同様の理由で、本開示は、少なくとも、毛髪のケア製品におけるコンピューティングデバイスに対する改善を説明又は導入し、それによって、撮像デバイス又はコンピューティングデバイス上で実行される訓練された毛髪ベースの学習モデルが、ユーザ又は個々の画像のデジタル及び／又は人工知能ベースの分析を用いて、毛髪のケア、並びに化学製剤及びその推奨の分野を改善し、予測結果を出力して、ユーザの頭部の毛髪領域の少なくとも一部分を含む画素データ内で識別可能な少なくとも１つの特徴のユーザ固有画素データに対処するので、他の技術又は技術分野に対する改善に関する。
【0012】
加えて、本開示は、少なくとも、本開示が毛髪のケア製品におけるコンピューティングデバイスに対する改善を説明又は導入し、それによって、撮像デバイス又はコンピューティングデバイス上で実行される訓練された毛髪ベースの学習モデルが、基礎となるコンピュータデバイス（例えば、撮像サーバ及び／又はユーザコンピューティングデバイス）を改善し、そのようなコンピュータデバイスが、所与の機械学習ネットワークアーキテクチャの構成、調整、又は適合によってより効率的にされるので、他の技術又は技術分野に対する改善に関する。例えば、いくつかの実施形態では、深度、幅、画像サイズ、又は他の機械学習ベースの次元要件を低減することを含む、画像を分析するために必要とされる機械学習ネットワークアーキテクチャを減少させることによって、計算リソースを減少させることによって使用され得る機械リソース（例えば、処理サイクル又はメモリストレージ）がより少なくなっている。そのような低減は、基礎となるコンピューティングシステムの計算リソースを解放し、それによって、それをより効率的にする。
【0013】
なおも更に、本開示は、少なくとも、ユーザの個人識別可能情報（personal identifiable information、ＰＩＩ）を描写することなくユーザの抽出又は描写された毛髪領域を定義するために、ユーザの画像が前処理される（例えば、トリミングされるか、又はそうでなければ修正される）セキュリティの分野におけるコンピューティングデバイスに対する改善を説明又は導入するので、他の技術又は技術分野に対する改善に関する。例えば、ユーザの画像の単純なトリミング又は編成された部分が、本明細書に記載される毛髪ベースの学習モデルによって使用され得、これは、コンピュータネットワークにわたるユーザのプライベート写真の伝送の必要性を排除する（そのような画像は、第三者による傍受の影響を受けやすい場合がある）。そのような特徴は、トリミング又は編成された画像、特に、ネットワーク（例えば、インターネット）を介して伝送され得る画像が、ユーザのＰＩＩ情報を含まずによりセキュアであるため、セキュリティの改善を提供し、すなわち、ＰＩＩ（例えば、顔の特徴）の除去が、従来のシステムを上回る改善を提供する。したがって、本明細書に記載されるシステム及び方法は、そのような本質的でない情報を必要とせずに動作し、これは、従来のシステムを上回る改善、例えば、セキュリティ改善を提供する。加えて、トリミングされた画像の使用は、少なくともいくつかの実施形態では、基礎となるシステムが、より小さいデータサイズの画像を記憶及び／又は処理することを可能にし、それは、より小さいデータサイズの画像が、基礎となるコンピュータシステムによって記憶、処理、及び／又はそうでなければ操作するためにより少ない記憶メモリ及び／又は処理リソースを必要とするため、全体として基礎となるシステムの性能増加をもたらす。
【0014】
加えて、本開示は、毛髪ベースの学習モデルを訓練するために使用され、ユーザの毛髪領域の画像分類を決定するために使用される画像をキャプチャする、特定の機械、例えば、デジタルカメラと共に、又はそれを使用することによって、請求項要素のうちのいくつかを適用することを含む。
【0015】
加えて、本開示は、当該分野においてよく理解されている、日常的な、従来の活動以外の特定の特徴、又は特許請求の範囲を特定の有用な用途に限定する非従来的なステップ、例えば、１つ以上のユーザ固有の推奨を生成するためにユーザの頭部の毛髪領域の画像の画素データを分析することを追加することを含む。
【0016】
例解を介して図示及び説明されている好ましい実施形態に関する以下の説明から、利点が、当業者に対してより明らかになるであろう。これから理解されるように、本実施形態は、他の及び異なる実施形態が可能であり得、それらの詳細は、様々な態様において修正が可能である。したがって、図面及び説明は、本質的に例解的であるとしてみなされるべきであり、限定的であるとしてみなされるべきではない。
【図面の簡単な説明】
【0017】
以下に説明される図は、本明細書に開示されるシステム及び方法の様々な態様を描写する。各図は、開示されるシステム及び方法の特定の態様の実施形態を描写すること、並びに、図の各々は、それらの可能性のある実施形態に合致することを意図されていることを理解されたい。更に、可能な限り、以下の説明は、以下の図に含まれる参照数字を参照しており、その中で、複数の図に描写されている特徴は、首尾一貫した参照数字を用いて指定される。
【0018】
図面には、現在考察されている配設が示されているが、その現在の実施形態は、示されている厳密な配設及び手段に限定されないことを理解されたい。
【図1】本明細書に開示される様々な実施形態による、１つ以上のユーザ固有の推奨を生成するために、ユーザの頭部の毛髪領域の画像の画素データを分析するように構成された例示的なデジタル撮像及び学習システムを例解する。
【図2】本明細書で開示される様々な実施形態による、毛髪ベースの学習モデルを訓練及び／又は実装するために使用され得る例示的な画像及びその関連する画素データを例解する。
【図3A】本明細書で開示される様々な実施形態による、それぞれの個人の毛髪の特徴に対応する画像分類を有する後頭部画像の例示的なセットを例解する。
【図3B】本明細書で開示される様々な実施形態による、それぞれの個人の毛髪の特徴に対応する画像分類を有する前頭部画像の例示的なセットを例解する。
【図4】本明細書に開示される様々な実施形態による、１つ以上のユーザ固有の推奨を生成するために、ユーザの頭部の毛髪領域の画像の画素データを分析するためのデジタル撮像及び学習方法を例解する。
【図5A】本明細書で開示される様々な実施形態による、例示的な毛髪ベースの学習モデルのアーキテクチャ及び関連する値を描写する例示的な図を例解する。
【図6】本明細書に開示される様々な実施形態による、ユーザコンピューティングデバイスのディスプレイ画面上でレンダリングされた例示的なユーザインターフェースを例解する。
【0019】
これらの図は、例解のみを目的として、好ましい実施形態を描写している。本明細書に例解されるシステム及び方法の代替的な実施形態は、本明細書に記載の発明の原理から逸脱することなく採用され得る。
【発明を実施するための形態】
【0020】
図１は、本明細書に開示される様々な実施形態による、１つ以上のユーザ固有の推奨を生成するために、ユーザの頭部の毛髪領域の画像（例えば、画像２０２ａ、２０２ｂ、及び／又は２０２ｃのうちのいずれか１つ）の画素データを分析するように構成された例示的なデジタル撮像及び学習システム１００を例解する。概して、本明細書で言及されるように、ユーザの頭部の毛髪領域は、所与のユーザ（例えば、ユーザ２０２ａｕ、２０２ｂｕ、及び／又は２０２ｃｕのうちのいずれか）の頭部の毛髪エリアの前髪領域、後髪領域、側髪領域、上髪領域、全髪領域、部分的毛髪領域、又はカスタム定義された毛髪領域（例えば、カスタム遠近領域）のうちの１つ以上を指し得る。図１の例示的な実施形態では、デジタル撮像及び学習システム１００は、サーバ１０２を備え、このサーバは、１つ以上のコンピュータサーバを含み得る。様々な実施形態では、サーバ１０２は、複数のサーバを含み、これらのサーバは、サーバファームの部分として、複数の冗長な又は複製されたサーバを含み得る。なおも更なる実施形態では、サーバ１０２は、クラウドベースのコンピューティングプラットフォームなどのクラウドベースのサーバとして実装され得る。例えば、撮像サーバ１０２は、ＭＩＣＲＯＳＯＦＴ ＡＺＵＲＥ、ＡＭＡＺＯＮ ＡＷＳなどの任意の１つ以上のクラウドベースのプラットフォームであり得る。サーバ１０２は、１つ以上のプロセッサ１０４、並びに１つ以上のコンピュータメモリ１０６を含むことができる。様々な実施形態では、サーバ１０２は、本明細書では、「撮像サーバ」と称される場合がある。
【0021】
メモリ１０６には、読み取り専用メモリ（read-only memory、ＲＯＭ）、電子プログラマブル読み取り専用メモリ（electronic programmable read-only memory、ＥＰＲＯＭ）、ランダムアクセスメモリ（random access memory、ＲＡＭ）、消去可能電子プログラマブル読み取り専用メモリ（erasable electronic programmable read-only memory、ＥＥＰＲＯＭ）、及び／又は他のハードドライブ、フラッシュメモリ、ＭｉｃｒｏＳＤカードなどの、１つ以上の形態の揮発性及び／又は不揮発性の固定及び／又は取り外し可能なメモリが含まれ得る。メモリ１０６は、本明細書で考察されるように、機能、アプリ、方法、又は他のソフトウェアを容易にすることができるオペレーティングシステム（operating system、ＯＳ）（例えば、Ｍｉｃｒｏｓｏｆｔ Ｗｉｎｄｏｗｓ、Ｌｉｎｕｘ、ＵＮＩＸなど）を格納し得る。メモリ１０６はまた、毛髪ベースの学習モデル１０８を格納し得、毛髪ベースの学習モデル１０８は、本明細書に記載されるように、様々な画像（例えば、画像２０２ａ、２０２ｂ、及び／又は２０２ｃ）に対して訓練された機械学習モデルなどの人工知能ベースモデルであり得る。追加的、又は代替的に、毛髪ベースの学習モデル１０８はまた、データベース１０５内にも格納され得、このデータベースは、撮像サーバ１０２にアクセス可能であるか、又はそうでなければ通信可能に結合される。加えて、メモリ１０６はまた、機械可読命令も格納し得、この機械可読命令は、１つ以上のアプリケーション（例えば、本明細書に記載されるような撮像アプリケーション）、１つ以上のソフトウェアコンポーネント、及び／又は１つ以上のアプリケーションプログラミングインターフェース（application programming interfaces、ＡＰＩ）のうちのいずれかを含み、それらは、本明細書内の様々なフロー図、例解図、略図、図、及び／又は他の開示について例解、描写、又は説明されているように、任意の方法、プロセス、要素、又は制限などの、本明細書に記載の特徴、機能、又は他の開示を容易にするか又は実行するように実装され得る。例えば、アプリケーション、ソフトウェアコンポーネント、又はＡＰＩのうちの少なくともいくつかは、毛髪ベースの学習モデル１０８などの撮像ベースの機械学習モデル又はコンポーネントであり得る、それらを含み得、そうでなければそれらの部分であり得、この場合、各々は、本明細書で考察されるそれらの様々な機能を容易にするように構成され得る。１つ以上の他のアプリケーションが想定され得、プロセッサ１０４によって実行されることを理解されたい。
【0022】
プロセッサ１０４は、プロセッサ１０４及びメモリ１０６との間で、電子データ、データパケット、又はそうでなければ電子信号を伝送することを担うコンピュータバスを介してメモリ１０６に接続されて、本明細書内の様々なフロー図、例解図、略図、図、及び／又は他の開示について例解、描写、又は説明されているように、機械可読命令、方法、プロセス、要素、又は制限を実装又は実行し得る。
【0023】
プロセッサ１０４は、コンピュータバスを介してメモリ１０６とインターフェース接続して、オペレーティングシステム（ＯＳ）を実行し得る。プロセッサ１０４はまた、コンピュータバスを介してメモリ１０６ともインターフェース接続して、メモリ１０６及び／又はデータベース１０４（例えば、Ｏｒａｃｌｅ、ＤＢ２、ＭｙＳＱＬなどのリレーショナルデータベース、又はＭｏｎｇｏＤＢなどのＮｏＳＱＬベースのデータベース）に格納されるデータを作成、読み取り、更新、削除、又はそうでなければアクセス若しくは対話し得る。メモリ１０６及び／又はデータベース１０５に格納されたデータは、例えば、訓練画像並びに／又はユーザ画像（例えば、画像２０２ａ、２０２ｂ、及び／又は２０２ｃのうちのいずれか１つ以上を含む、後頭部画像（例えば、３０２ｌ、３０２ｍ、３０２ｈ、３１２ｌ、３１２ｍ、３１２ｈ、３２２ｌ、３２２ｍ、及び３２２ｈ）、及び／若しくは前頭部画像（例えば、３５２ｌ、３５２ｍ、３５２ｈ、３６２ｌ、３６２ｍ、３６２ｈ、３７２ｌ、３７２ｍ、及び３７２ｈ）、又は人口統計、年齢、人種、皮膚タイプ、毛髪タイプ、髪型などを含む、若しくはそうでなければ本明細書に記載されるようなユーザの他の画像及び／若しくは情報を含む、本明細書に記載されるデータ又は情報のうちのいずれかの全部又は一部を含み得る。
【0024】
撮像サーバ１０２は、１つ以上の外部／ネットワークポートを介して、本明細書に記載のコンピュータネットワーク１２０及び／又は端末１０９（レンダリング又は視覚化するための）などの１つ以上のネットワーク又はローカル端末にデータを通信（例えば、送信及び受信）するように構成された通信コンポーネントを更に含むことができる。いくつかの実施形態では、撮像サーバ１０２は、電子リクエストを受信及び応答することを担うＡＳＰ．ＮＥＴ、ＪａｖａＪ２ＥＥ、Ｒｕｂｙ ｏｎ Ｒａｉｌｓ、Ｎｏｄｅ．ｊｓ、ウェブサービス、又はオンラインＡＰＩなどのクライアントサーバプラットフォーム技術を含むことができる。撮像サーバ１０２は、コンピュータバスを介して、メモリ１０６（その中に格納されたアプリケーション、コンポーネント、ＡＰＩ、データなどを含む）及び／又はデータベース１０５と対話し得るクライアントサーバプラットフォーム技術を実装して、本明細書内の様々なフロー図、例解図、略図、図、及び／又は他の開示について例解、描写、又は説明されているように、機械可読命令、方法、プロセス、要素、又は制限を実装又は実行し得る。
【0025】
様々な実施形態では、サーバ１０２は、ＩＥＥＥ標準規格、３ＧＰＰ標準規格、又は他の標準規格に従って機能し、コンピュータネットワーク１２０に接続された外部／ネットワークポートを介してデータの受信及び伝送に使用され得る１つ以上の送受信機（例えば、ＷＷＡＮ、ＷＬＡＮ、及び／若しくはＷＰＡＮ送受信機）を含むか、又はそれと対話し得る。いくつかの実施形態では、コンピュータネットワーク１２０は、プライベートネットワーク又はローカルエリアネットワーク（local area network、ＬＡＮ）を含み得る。追加的、又は代替的に、コンピュータネットワーク１２０は、インターネットなどの公衆ネットワークを含み得る。
【0026】
撮像サーバ１０２は、管理者又はオペレータに情報を提示し、かつ／又は管理者又はオペレータから入力を受信するように構成されたオペレータインターフェースを更に含むか、又は実装し得る。図１に示されるように、オペレータインターフェースは、ディスプレイ画面を提供し得る（例えば、端末１０９を介して）。撮像サーバ１０２はまた、Ｉ／Ｏコンポーネント（例えば、ポート、容量性又は抵抗性タッチセンシティブ入力パネル、キー、ボタン、照明、ＬＥＤ）も提供し得、それらは、撮像サーバ１０２を介して直接アクセス可能であり得、若しくはそのサーバに取り付けられ得るか、又は端末１０９を介して間接的にアクセス可能であり得るか、若しくはその端末に取り付けられ得る。いくつかの実施形態によれば、管理者又はオペレータは、端末１０９を介してサーバ１０２にアクセスして、情報を再調査し、変更を行い、訓練データ若しくは画像を入力し、毛髪ベースの訓練モデル１０８の訓練を開始し、かつ／又は他の機能を実行し得る。
【0027】
本明細書に記載されるように、いくつかの実施形態では、撮像サーバ１０２は、「クラウド」ネットワークの部分として本明細書で考察されたような機能を実行し得るか、又はそうでなければクラウド内の他のハードウェア又はソフトウェアコンポーネントと通信して、本明細書に記載のデータ又は情報を送信し、取り出し、又はそうでなければ分析し得る。
【0028】
通常、コンピュータプログラム若しくはコンピュータベース製品、アプリケーション、又はコード（例えば、本明細書に記載のＡＩモデルなどのモデル若しくは他のコンピューティング命令）は、内部に具現化されたそのようなコンピュータ可読プログラムコード若しくはコンピュータ命令を有するコンピュータ使用可能記憶媒体、又は有形の非一時的コンピュータ可読媒体（例えば、標準的なランダムアクセスメモリ（ＲＡＭ）、光ディスク、ユニバーサルシリアルバス（universal serial bus、ＵＳＢ）ドライブなど）上に格納され得、コンピュータ可読プログラムコード又はコンピュータ命令は、プロセッサ１０４（例えば、メモリ１０６内のそれぞれのオペレーティングシステムに関連して作業する）上にインストールされ得るか、又はそうでなければそのプロセッサによって実行されるように適合され得、本明細書内の様々なフロー図、例解図、略図、図、及び／又は他の開示について例解、描写、又は説明されているように、機械可読命令、方法、プロセス、要素、又は制限を容易にし、実装し、又は実行し得る。これに関して、プログラムコードは、任意の所望のプログラム言語で実装され得、機械コード、アセンブリコード、バイトコード、インタープリット型ソースコードなどとして（例えば、Ｇｏｌａｎｇ、Ｐｙｔｈｏｎ、Ｃ、Ｃ＋＋、Ｃ＃、Ｏｂｊｅｃｔｉｖｅ－Ｃ、Ｊａｖａ、Ｓｃａｌａ、ＡｃｔｉｏｎＳｃｒｉｐｔ、ＪａｖａＳｃｒｉｐｔ、ＨＴＭＬ、ＣＳＳ、ＸＭＬなどを介して）実装され得る。
【0029】
図１に示されるように、撮像サーバ１０２は、コンピュータネットワーク１２０を介して１つ以上のユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３に、かつ／又は、基地局１１１ｂ及び１１２ｂを介して、１１２ｃ１～１１２ｃ３に、通信可能に接続されている。いくつかの実施形態では、基地局１１１ｂ及び１１２ｂは、セルタワーなどのセルラー基地局を含むことができ、それらは、ＮＭＴ、ＧＳＭ、ＣＤＭＡ、ＵＭＭＴＳ、ＬＴＥ、５Ｇなどを含む、様々なモバイル電話標準規格のうちの任意の１つ以上に基づいて、無線通信１２１を介して、１つ以上のユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３、及び１１２ｃ１～１１２ｃ３と通信する。追加的又は代替的に、基地局１１１ｂ及び１１２ｂは、非限定的な例によってＩＥＥＥ８０２．１１ａ／ｂ／ｃ／ｇ（ＷＩＦＩ）、ＢＬＵＥＴＯＯＴＨ標準規格などを含む、様々な無線標準規格のうちの任意の１つ以上に基づいて、無線通信１２２を介して１つ以上のユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３、及び１１２ｃ１～１１２ｃ３と通信するルータ、無線スイッチ、又は他のそのような無線接続ポイントを含み得る。
【0030】
１つ以上のユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３及び／又は１１２ｃ１～１１２ｃ３のうちのいずれかは、撮像サーバ１０２にアクセスし、かつ／又はそれと通信するためのモバイルデバイス及び／若しくはクライアントデバイスを備え得る。そのようなモバイルデバイスは、本明細書に記載されるような画像（例えば、画像２０２ａ、２０２ｂ、及び／又は２０２ｃのうちの任意の１つ以上）などの画像をキャプチャするための１つ以上のモバイルプロセッサ及び／又はデジタルカメラを備え得る。様々な実施形態では、ユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３及び／又は１１２ｃ１～１１２ｃ３は、非限定的な例によって、ＡＰＰＬＥ ｉＰｈｏｎｅ若しくはｉＰａｄデバイス、又はＧＯＯＧＬＥ ＡＮＤＲＯＩＤベースのモバイル電話若しくはテーブルを含む、モバイル電話（例えば、セルラー電話）、タブレットデバイス、パーソナルデータアシスタンス（personal data assistance、ＰＤＡ）などを含み得る。
【0031】
追加の実施形態では、ユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３及び／又は１１２ｃ１～１１２ｃ３は、小売コンピューティングデバイスを備え得る。小売コンピューティングデバイスは、本明細書に記載されるような毛髪ベースの学習モデル１０８を実装するための、又は（例えば、サーバ１０２を介して）毛髪ベースの学習モデル１０８と通信するためのプロセッサ及びメモリを有することを含む、例えば、ユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３に関して本明細書に記載されるようなモバイルデバイスと同じ又は同様の様式で構成されたユーザコンピュータデバイスを備え得る。追加的、又は代替的に、小売コンピューティングデバイスは、小売環境のユーザ及び／又は顧客が、小売環境内の現場でデジタル撮像及び学習システム並びに方法を利用することを可能にするように、小売環境内に位置し、設置され、又はそうでなければ位置決めされ得る。例えば、小売コンピューティングデバイスは、ユーザによるアクセスのためにキオスク内に設置され得る。ユーザは、次いで、本明細書に記載されるデジタル撮像及び学習システム並びに方法を実装するために、画像を（例えば、ユーザモバイルデバイスから）キオスクにアップロード又は転送し得る。追加的、又は代替的に、キオスクは、ユーザがアップロード及び転送のために自身の新しい画像を（例えば、保証される場合、プライベート様式で）撮影することを可能にするようにカメラを伴って構成され得る。そのような実施形態では、ユーザ又は消費者自身が、小売コンピューティングデバイスを使用して、本明細書に記載されるように、小売コンピューティングデバイスのディスプレイ画面上でユーザ固有の電子推奨を受信し、かつ／又はレンダリングすることができる。
【0032】
追加的、又は代替的に、小売コンピューティングデバイスは、現場でユーザ又は消費者と対話するために小売環境の従業員又は他の人員によって携行されるような（本明細書に記載されるような）モバイルデバイスであり得る。そのような実施形態では、ユーザ又は消費者は、小売コンピューティングデバイスを介して（例えば、ユーザのモバイルデバイスから小売コンピューティングデバイスに画像を転送することによって、又は小売コンピューティングデバイスのカメラによって新しい画像をキャプチャすることによって）、小売環境の従業員又はそうでなければ人員と対話して、本明細書に記載されるように、小売コンピューティングデバイスのディスプレイ画面上でユーザ固有の電子推奨を受信及び／又はレンダリングすることが可能であり得る。
【0033】
様々な実施形態では、１つ以上のユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３及び／又は１１２ｃ１～１１２ｃ３は、ＡｐｐｌｅのｉＯＳ及び／若しくはＧｏｏｇｌｅのＡｎｄｒｏｉｄオペレーションシステムなどのオペレーティングシステム（ＯＳ）又はモバイルプラットフォームを実装又は実行し得る。１つ以上のユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３及び／又は１１２ｃ１～１１２ｃ３のうちのいずれも、本明細書内の様々な実施形態に記載されているように、コンピューティング命令又はコード、例えば、モバイルアプリケーション又はホーム若しくはパーソナルアシスタントアプリケーションを格納、実装、又は実行するための１つ以上のプロセッサ及び／又は１つ以上のメモリを含み得る。図１に示されるように、本明細書に記載される毛髪ベースの学習モデル１０８及び／若しくは撮像アプリケーション、又はそれらの少なくとも一部分はまた、ユーザコンピューティングデバイス（例えば、ユーザコンピューティングデバイス１１１ｃ１）のメモリ上にローカルに格納され得る。
【0034】
ユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３及び／又は１１２ｃ１～１１２ｃ３は、基地局１１１ｂ及び／又は１１２ｂとの間で無線通信１２１及び／又は１２２を受信及び伝送するための無線送受信機を備え得る。様々な実施形態では、画素ベースの画像（例えば、画像２０２ａ、２０２ｂ、及び／又は２０２ｃ）は、モデル（例えば、毛髪ベースの学習モデル１０８）の訓練及び／又は本明細書に記載される画像分析のために、コンピュータネットワーク１２０を介して、撮像サーバ１０２に伝送され得る。
【0035】
加えて、１つ以上のユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３及び／又は１１２ｃ１～１１２ｃ３は、デジタル画像及び／又はフレーム（例えば、画像２０２ａ、２０２ｂ、及び／又は２０２ｃのうちの任意の１つ以上であり得る）をキャプチャ又は撮影するためのデジタルカメラ及び／又はデジタルビデオカメラを含み得る。各デジタル画像は、本明細書に記載されるように、ＡＩ又は機械学習モデルなどのモデルを訓練又は実装するための画素データを含み得る。例えば、ユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３及び／又は１１２ｃ１～１１２ｃ３のうちのいずれかのデジタルカメラ及び／又はデジタルビデオカメラは、デジタル画像（例えば、画素ベースの画像２０２ａ、２０２ｂ、及び／又は２０２ｃ）を撮影、キャプチャ、又はそうでなければ生成するように構成され得、少なくともいくつかの実施形態では、そのような画像をそれぞれのユーザコンピューティングデバイスのメモリに格納し得る。追加的、又は代替的に、そのようなデジタル画像はまた、サーバ１０２のメモリ１０６及び／又はデータベース１０５に伝送及び／又は格納され得る。
【0036】
なおも更に、１つ以上のユーザコンピュータデバイス１１１ｃ１～１１１ｃ３及び／又は１１２ｃ１～１１２ｃ３の各々は、グラフィック、画像、テキスト、製品推奨、データ、画素、特徴、及び／又は本明細書に記載されるような他のそのような視覚化若しくは情報を表示するためのディスプレイ画面を含み得る。様々な実施形態では、グラフィック、画像、テキスト、製品推奨、データ、画素、特徴、及び／又は他のそのような視覚化若しくは情報は、ユーザコンピュータデバイス１１１ｃ１～１１１ｃ３及び／又は１１２ｃ１～１１２ｃ３のうちの任意の１つ以上のディスプレイ画面上に表示するために、撮像サーバ１０２から受信され得る。追加的、又は代替的に、ユーザコンピューティングデバイスは、少なくとも部分的に、ディスプレイ画面上にテキスト及び／又は画像を表示するためのガイド付きユーザインターフェース（guided user interface、ＧＵＩ）を、を含み得るか、実装し得るか、それへのアクセスを有し得るか、レンダリングし得るか、又はそうでなければ露出させ得る。
【0037】
いくつかの実施形態では、サーバ（例えば、サーバ１０２）及び／又はモバイルデバイス（例えば、モバイルデバイス１１１ｃ１）で実行されるコンピューティング命令及び／又はアプリケーションは、本明細書に記載されるように、１つ以上のユーザ固有の推奨を生成するために、ユーザの頭部の毛髪領域の画像の画素データを分析するために、通信可能に接続され得る。例えば、サーバ１０２の１つ以上のプロセッサ（例えば、プロセッサ１０４）は、コンピュータネットワーク（例えば、コンピュータネットワーク１２０）を介して、モバイルデバイスに通信可能に結合され得る。そのような実施形態では、撮像アプリは、サーバ（例えば、サーバ１０２）の１つ以上のプロセッサ上で実行されるように構成されたサーバアプリ部分と、モバイルデバイス（例えば、１つ以上のユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３及び／又は１１２ｃ１～１１２ｃ３のうちのいずれか）の１つ以上のプロセッサ上で実行されるように構成されたモバイルアプリ部分と、を備え得る。そのような実施形態では、サーバアプリ部分は、モバイルアプリ部分と通信するように構成されている。サーバアプリ部分又はモバイルアプリ部分は各々、（１）デジタルカメラによってキャプチャされた画像を受信すること、（２）ユーザの毛髪の画像分類を決定すること、（３）ユーザ固有の推奨を生成すること、及び／又は（４）１つのユーザ固有の推奨をモバイルアプリ部分に伝送することのうちの１つ以上を実装又は部分的に実装するように構成され得る。
【0038】
図２は、本明細書で開示される様々な実施形態による、毛髪ベースの学習モデルを訓練及び／又は実装するために使用され得る例示的な画像２０２ａ及びその関連する画素データを例解する。様々な実施形態では、図１に示されるように、画像２０２ａは、ユーザ（例えば、ユーザ２０２ａｕ）によってキャプチャされた画像であり得る。画像２０２ａ（並びにユーザ２０２ｂｕ及びユーザ２０２ｃｕそれぞれの画像２０２ｂ及び／又は２０２ｃ）は、図１に示されるように、コンピュータネットワーク１２０を介してサーバ１０２に伝送され得る。そのような画像は、ユーザ自身によって（例えば、「自撮り画像」）、又は、追加的に若しくは代替的に、そのような画像がユーザの代わりに使用及び／若しくは伝送される小売業者などの他者によってキャプチャされ得ることを理解されたい。
【0039】
より一般的には、例示的な画像２０２ａ、２０２ｂ、２０２ｃなどのデジタル画像は、撮像サーバ１０２で収集又は集約され得、毛髪ベースの学習モデル（例えば、本明細書に記載されるような機械学習撮像モデルなどのＡＩモデル）によって分析され、かつ／又はそれを訓練するために使用され得る。これらの画像の各々は、特徴データを含み、かつそれぞれの画像内のそれぞれのユーザ（例えば、ユーザ２０２ａｕ、２０２ｂｕ、及び２０２ｃｕ）の個人属性の各々に対応する画素データ（例えば、ＲＧＢデータ）を含み得る。画素データは、ユーザコンピューティングデバイス（例えば、１つ以上のユーザコンピュータデバイス１１１ｃ１～１１１ｃ３及び／又は１１２ｃ１～１１２ｃ３）のうちの１つのデジタルカメラによってキャプチャされ得る。
【0040】
本明細書に記載されるようなデジタル画像に関して、画素データ（例えば、図２の画素データ２０２ａｐ、２０２ｂｐ、及び／又は２０２ｃｐ）は、画像内のデータの個々の点又は正方形を含み、各点又は正方形は、画像内の単一の画素（例えば、画素２０２ａｐ１、画素２０２ａｐ２、及び画素２０２ａｐ３の各々）を表す。各画素は、画像内の特定の場所にあり得る。加えて、各画素は、特定の色（又はその欠如）を有し得る。画素色は、所与の画素に関連付けられた色フォーマット及び関連するチャネルデータによって決定され得る。例えば、一般的な色フォーマットは、赤、緑、及び青のチャネルを有する赤－緑－青（red-green-blue、ＲＧＢ）フォーマットを含む。すなわち、ＲＧＢフォーマットでは、画素のデータは、画像内の画素のエリアの色を操作するために、チャネルデータと称され得る３つの数値ＲＧＢ成分（赤、緑、青）によって表される。いくつかの実装形態では、３つのＲＧＢ成分は、画素ごとに３つの８ビット数として表され得る。３つの８ビットバイト（ＲＧＢの各々に対して１バイト）を使用して、２４ビット色を生成し得る。各８ビットＲＧＢ成分は、０～２５５の範囲の２５６個の可能な値を有することができる（すなわち、基数２の２進システムでは、８ビットバイトは、０～２５５の範囲の２５６個の数値のうちの１つを含むことができる）。このチャネルデータ（Ｒ、Ｇ、及びＢ）は、画素の色を設定するために使用され得る、０～２５５までの値を割り当てられ得る。例えば、（赤＝２５０、緑＝１６５、青＝０）を意味する（２５０、１６５、０）のような３つの値は、１つのオレンジ画素を表すことができる。更なる例として、（赤＝２５５、緑＝２５５、青＝０）は、赤及び緑を意味し、各々完全に飽和され（２５５は８ビットが可能な明るさである）、青がなく（０）、結果として生じる色は黄色である。なおも更なる例として、黒は、（赤＝０、緑＝０、青＝０）のＲＧＢ値を有し、白は、（赤＝２５５、緑＝２５５、青＝２５５）のＲＧＢ値を有する。グレーは、等しい又は同様のＲＧＢ値を有する特性を有し、例えば、（赤＝２２０、緑＝２２０、青＝２２０）は、明るいグレー（白に近い）であり、（赤＝４０、緑＝４０、青＝４０）は、暗いグレー（黒に近い）である。
【0041】
このようにして、３つのＲＧＢ値の合成は、所与の画素に対する最終的な色を生成する。色を定義するために３バイトを使用する２４ビットＲＧＢ色画像では、２５６階調の赤、２５６階調の緑、及び２５６階調の青が存在し得る。これは、２５６×２５６×２５６、すなわち、２４ビットＲＧＢ色画像に対して１６７０万の可能な組み合わせ又は色を提供する。したがって、画素のＲＧＢデータ値は、赤、緑、及び青画素の各々からなる色又は光の程度を示す。３つの色及びそれらの強度レベルは、その画像画素において、すなわち、ディスプレイ画面上のその画素位置において組み合わされて、その位置においてその色でディスプレイ画面を照明する。しかしながら、より少ない又はより多いビット、例えば、１０ビットを有する他のビットサイズが、より少ない又はより多い全体的な色及び範囲をもたらすために使用され得ることが理解されるべきである。
【0042】
全体として、グリッドパターン（例えば、画素データ２０２ａｐ）内に一緒に位置決めされた様々な画素は、デジタル画像又はその一部分を形成する。単一のデジタル画像は、数千又は数百万の画素を含むことができる。画像は、ＪＰＥＧ、ＴＩＦＦ、ＰＮＧ、及びＧＩＦなどのいくつかのフォーマットでキャプチャ、生成、格納、及び／又は伝送することができる。これらのフォーマットは、画像を格納又は表現するために画素を使用する。
【0043】
図２を参照すると、例示的な画像２０２ａは、ユーザ２０２ａｕ又は個人を例解する。より具体的には、画像２０２ａは、ユーザ又は個人の頭部の毛髪領域を定義する画素データ２０２ａｐを含む、画素データを含む。画素データ２０２ａｐは、画素２０２ａｐ１、画素２０２ａｐ２、及び画素２０２ａｐ３を含む複数の画素を含む。例示的な画像２０２ａでは、画素２０２ａｐ１、画素２０２ａｐ２、及び画素２０２ａｐ３の各々は、毛髪領域の画像分類に対応する毛髪の特徴を各々表す。概して、様々な実施形態では、ユーザの毛髪の特徴は、（１）突き出ている１本以上の毛髪、（２）毛髪繊維の形状若しくは相対的な位置決め、（３）１つ以上の連続した毛髪光沢バンド、及び／又は（４）毛髪の油性のうちの１つ以上を含み得る。これらの分類の各々は、デジタル画像（例えば、画像２０２ａ）における１つ以上の画素から決定され得るか、又はそうでなければそれに基づき得る。例えば、画像２０２ａに関して、画素２０２ａｐ１は、ユーザの頭部、より一般的には、ユーザの毛髪の本体の上部及び側部における毛髪領域における画素データ２０２ａｐ内に位置決めされた暗い画素（例えば、低いＲ、Ｇ、及びＢ値を伴う画素）である。画素２０２ａｐ１は、より明るい画素によって囲まれており、画素２０２ａｐ１がユーザの毛髪の「縮れ」画像分類を表すことを示す。概して、「縮れ」画像分類は、ユーザの毛髪又は毛髪領域を、ユーザの頭部から突き出ている毛髪を有するものとして分類する。
【0044】
更なる例として、画素２０２ａｐ２は、ユーザの毛髪の中央後部から先端の毛髪領域における画素データ２０２ａｐ内に位置決めされた暗い画素（例えば、低いＲ、Ｇ、及びＢ値を伴う画素）である。画素２０２ａｐ２は、他の毛髪繊維のより暗い画素によって取り囲まれており、画素２０２ａｐ２がユーザの毛髪の「毛揃い」画像分類を表すことを示す。概して、「毛揃い」画像分類は、ユーザの毛髪又は毛髪領域を、互いに隣接して成形及び位置決めされた毛髪繊維を有するものとして分類する。
【0045】
なおも更なる例として、画素２０２ａｐ３は、ユーザの頭頂部及び／又はユーザの毛髪の本体の中央部分の毛髪領域における画素データ２０２ａｐ内に位置決めされたより明るい画素（例えば、高いＲ、Ｇ、及びＢ値を伴う画素）である。画素２０２ａｐ３は、ユーザの毛髪の一部分を通して線形又は連続様式で配設される、他のより明るい画素と共に位置決めされ、画素２０２ａｐ３がユーザの毛髪の「光沢」画像分類を表すことを示す。概して、「光沢」画像分類は、ユーザの毛髪又は毛髪領域を、例えば、上から下に、又はそうでなければユーザの毛髪の流れ又はスタイリングと共に走る、毛髪の連続的な光沢バンドを有するものとして分類する。
【0046】
画素２０２ａｐ１、２０２ａｐ２、及び２０２ａｐ３に加えて、画素データ２０２ａｐは、モデルの訓練、及び／又は本明細書に記載されるような毛髪のベース訓練モデル１０８などのすでに訓練されたモデルの使用による分析のために分析及び／又は使用され得る、様々な他の毛髪領域及び／又は毛髪の部分を含む、ユーザの頭部の残りの部分を含む、様々な他の画素を含む。例えば、画素データ２０２ａｐは、（１）毛髪縮れ画像分類（例えば、画素２０２ａｐ１について記載されるような）、（２）毛髪毛揃い画像分類（例えば、画素２０２ａｐ２について記載されるような）、（３）毛髪光沢画像分類（例えば、画素２０２ａｐ３について記載されるような）、（４）毛髪油性分類（例えば、画素データ２０２ａｐ内のユーザの頭部の毛髪領域の１つ以上のより明るい画素を含む）、（５）毛髪量分類（例えば、画素データ２０２ａｐ内の画像における他の画素と比較して多数の毛髪ベースの画素を含む）、（６）毛髪色分類（例えば、画素データ２０２ａｐ内の１つ以上の画素のＲＧＢ色に基づく）、及び／又は（７）毛髪タイプ分類（例えば、形状、カール、真直度、コイルタイプ、スタイル、若しくはそうでなければユーザの毛髪の他の特徴を含む毛髪タイプ及び／又は属性を示す、画素データ２０２ａｐ若しくはそうでなければ画像内の互いに対する画素の様々な位置決めに基づく）、並びに図２に示される他の分類及び／又は特徴を含むが、それらに限定されない、様々な画像分類に対応する毛髪の特徴を表す画素を更に含む。
【0047】
訓練画像、ユーザによって提出された画像、又はそうでなければデジタル画像（例えば、画像２０２ａ、２０２ｂ、及び／又は２０２ｃのいずれか）などのデジタル画像は、トリミングされた画像であり得るか、又はトリミングされた画像を含み得る。概して、トリミングされた画像は、元々キャプチャされた画像から１つ以上の画素が除去され、削除され、又は隠された画像である。例えば、図２を参照すると、画像２０２ａは元の画像を表す。トリミングされた部分２０２ａｃ１は、ユーザの毛髪の本体を含まないユーザの部分（トリミングされた部分２０２ａｃ１の外側）を除去する完全な毛髪のトリミングを表す画像２０２ａの第１のトリミングされた部分を表す。更なる例として、トリミングされた部分２０２ａｃ２は、ユーザの頭部及び関連する毛髪領域を含まない画像の部分（トリミングされた部分２０２ａｃ２の外側）を除去する頭部のトリミングを表す画像２０２ａの第２のトリミングされた部分を表す。様々な実施形態では、訓練のためにトリミングされた画像を分析及び／又は使用することは、毛髪ベースの学習モデルの改善された正確度をもたらす。それはまた、そのようなシステムがより小さいサイズのデジタル画像を処理、格納、及び／又は転送するという点で、基礎となるコンピュータシステムの効率及び性能を改善する。
【0048】
図２の画像２０２ａに関する開示は、例えば、画像２０２ｂ及び２０２ｃを含む、本明細書に記載される他のデジタル画像にも同じ又は同様に適用され、そのような画像はまた、本明細書に記載されるように、モデルの訓練のために分析及び／又は使用され得る画素を含むことを理解されたい。
【0049】
加えて、ユーザの毛髪のデジタル画像は、本明細書に記載されるように、様々な毛髪の状態を描写し得、それは、様々な異なる毛髪の状態を有する様々な異なるユーザにわたって毛髪ベースの学習モデルを訓練するために使用され得る。例えば、画像２０２ａ、２０２ｂ、及び２０２ｃに関して例解されるように、これらの画像のユーザの毛髪領域（例えば、２０２ａｕ、２０２ｂｕ、及び２０２ｃｕ）は、それぞれの画像の画素データで識別可能なユーザの毛髪の毛髪状態を含む。これらの毛髪状態は、例えば、（例えば、ユーザ２０２ｃｕについて画像２０２ｃにおいて描写されるような）毛髪のタイアップ状態、（例えば、ユーザ２０２ａｕ及び２０２ｂｕについて画像２０２ａ及び２０２ｂにそれぞれ描写されるような）毛髪のオープン状態、（例えば、ユーザ２０２ｂｕについて画像２０２ｂに描写されるような）毛髪のスタイリング状態、及び／又は（例えば、ユーザ２０２ａｕについて画像２０２ａに描写されるような）非スタイリング状態を含む。
【0050】
様々な実施形態では、デジタル画像（例えば、画像２０２ａ、２０２ｂ、及び２０２ｃ）は、個人を描写する訓練画像として使用されるか、又は分析及び／若しくは推奨のためにユーザ若しくは個人を描写する画像として使用されるかにかかわらず、それぞれの個人又はユーザの各々の毛髪領域を描写する複数の角度又は視点を含み得る。複数の角度又は視点は、異なるビュー、位置、ユーザ及び／若しくは背景の近さ、照明条件、又はそうでなければユーザが所与の画像において位置決めされる他の環境を含み得る。例えば、図３Ａ及び図３Ｂの各々は、それぞれの個人及び／又はユーザの毛髪領域を描写する異なる角度又は視点を表す、後頭部画像（例えば、３０２ｌ、３０２ｍ、３０２ｈ、３１２ｌ、３１２ｍ、３１２ｈ、３２２ｌ、３２２ｍ、及び３２２ｈ）及び前頭部画像（例えば、３５２ｌ、３５２ｍ、３５２ｈ、３６２ｌ、３６２ｍ、３６２ｈ、３７２ｌ、３７２ｍ、及び３７２ｈ）のセットを含む。より具体的には、図３Ａは、本明細書に開示される様々な実施形態による、それぞれの個人の毛髪の特徴に対応する画像分類（例えば、３００ｆ、３００ａ、及び３００ｓ）を有する後頭部画像（３０２ｌ、３０２ｍ、３０２ｈ、３１２ｌ、３１２ｍ、３１２ｈ、３２２ｌ、３２２ｍ、及び３２２ｈ）の例示的なセット３００を例解する。図３Ｂは、本明細書に開示される様々な実施形態による、それぞれの個人の毛髪の特徴に対応する画像分類（例えば、３００ｆ、３００ａ、及び３００ｓ）を有する前頭部画像（３５２ｌ、３５２ｍ、３５２ｈ、３６２ｌ、３６２ｍ、３６２ｈ、３７２ｌ、３７２ｍ、及び３７２ｈ）の例示的なセット３５２を例解する。そのような画像は、本明細書に記載されるように、毛髪ベースの学習モデルを訓練するために、又は分析及び／若しくはユーザ固有の推奨のために使用され得る。
【0051】
図３Ａ及び図３Ｂの各々に示されるように、後頭部画像（３０２ｌ、３０２ｍ、３０２ｈ、３１２ｌ、３１２ｍ、３１２ｈ、３２２ｌ、３２２ｍ、及び３２２ｈ）及び前頭部画像（３５２ｌ、３５２ｍ、３５２ｈ、３６２ｌ、３６２ｍ、３６２ｈ、３７２ｌ、３７２ｍ、及び３７２ｈ）は、頭部トリミング画像、すなわち、ユーザ又は個人の頭部部分を含むようにトリミングされた画像を含む（例えば、画像２０２ａのトリミング部分２０２ａｃ２について本明細書に記載したように）。いくつかの実施形態では、訓練画像及び／又はユーザなどによって提供される画像（例えば、画像２０２ａ、２０２ｂ、及び／又は２０２ｃのうちのいずれか）などのデジタル画像は、ユーザの顔の特徴などの少なくとも１つ以上の特徴が除去された毛髪を描写するトリミングされた画像であり得るか、又はそれを含み得る。例えば、図３Ｂの前頭部画像（３５２ｌ、３５２ｍ、３５２ｈ、３６２ｌ、３６２ｍ、３６２ｈ、３７２ｌ、３７２ｍ、及び３７２ｈ）は、顔画像が除去された頭部トリミング画像を描写する。追加的、又は代替的に、画像は、ユーザの個人識別可能情報（ＰＩＩ）を描写することなく、ユーザの抽出又は描写された毛髪領域をトリミングされたものとして、又はそうでなければ含むものとして送信され得る。例えば、図１の画像２０２ｃは、（顔を覆うための）マスクを着用して描写されたユーザの例を含み、トリミングされた又は編成された部分が目を覆うか又は隠している。そのような特徴は、トリミング又は編成された画像、特に、ネットワーク（例えば、インターネット）を介して伝送され得る画像が、ユーザのＰＩＩ情報を含まずによりセキュアであるため、セキュリティの改善を提供し、すなわち、ＰＩＩ（例えば、顔の特徴）の除去が、従来のシステムを上回る改善を提供する。重要なことに、本明細書に記載されるシステム及び方法は、そのような本質的でない情報を必要とせずに動作し得、これは、従来のシステムを上回る改善、例えば、セキュリティ及び性能改善を提供する。
【0052】
図３Ａ及び図３Ｂは、トリミングされた画像を描写及び記載しているが、しかしながら、元のトリミングされていない画像（例えば、元の画像２０２ａ）及び／又はトリミングされた完全な毛髪（例えば、画像２０２ａのトリミングされた部分２０２ａｃ１）を含むが、それに限定されない他の画像タイプが同様に使用又は置換され得ることを理解されたい。
【0053】
図３Ａ及び図３Ｂを参照すると、画像セット３０２及び画像セット３５２の画像の各々は、縮れ画像分類３００ｆを有するものとして分類され、割り当てられ、又はそうでなければ識別されている。「縮れ」画像分類は、ユーザの毛髪又は毛髪領域が、ユーザの頭部又は毛髪エリアから突き出ている毛髪を含む（例えば、所与の画像の画素データ内で識別可能な）特徴を有することを示す。所与の画像が縮れベースの画像として分類されるという決定は、ユーザの頭部の上部及び側部、より一般的には、ユーザの毛髪の本体の毛髪領域を含む、画像（及びその関連する画素データ、例えば、画像２０２ａの画素２０２ａｐ１）を分析することを含み得る。追加的に又は代替的に、他の毛髪領域若しくはエリア又はユーザの頭部も同様に分析され得ることが理解されるべきである。
【0054】
毛髪の１つ以上の特徴に対応する分類を含む、本明細書に記載される分類の各々はまた、所与の分類に対する所与の特徴（例えば、毛髪縮れ、毛揃い、光沢、油性など）の下位分類又は異なる程度を含み得る。例えば、画像セット３０２及び画像セット３５２に関して、後頭部画像３０２ｌ及び前頭部画像３５２ｌの各々は、それぞれの画素データから決定されるように、後頭部画像３０２ｌ及び前頭部画像３５２ｌの各々が、それぞれの画像において描写されるように、ユーザの頭部から突き出ている毛髪が少ない又はないことを示す、ことを示す「低い縮れ」（縮れ１のグレード又は値を有する）の下位分類又は程度を有するものとして、分類され、割り当てられ、又はそうでなければ識別されている。同様に、後頭部画像３０２ｍ及び前頭部画像３５２ｍの各々は、それぞれの画素データから決定されるように、後頭部画像３０２ｍ及び前頭部画像３５２ｍの各々が、それぞれの画像において描写されるように、ユーザの頭部から突き出ている毛髪が中程度の量であることを示す、ことを示す「中程度の縮れ」（縮れ２のグレード又は値を有する）の下位分類又は程度を有するものとして、分類され、割り当てられ、又はそうでなければ識別されている。最後に、後頭部画像３０２ｈ及び前頭部画像３５２ｈの各々は、それぞれの画素データから決定されるように、後頭部画像３０２ｈ及び前頭部画像３５２ｈの各々が、それぞれの画像において描写されるように、ユーザの頭部から突き出ている毛髪が大量であることを示す、ことを示す「高い縮れ」（縮れ３のグレード又は値を有する）の下位分類又は程度を有するものとして、分類され、割り当てられ、又はそうでなければ識別されている。特定の分類（すなわち、縮れ画像分類）及び関連する下位分類又は程度を示すそれぞれの特徴を有する画像セット３０２及び画像セット３５２の画像の各々は、毛髪ベースの訓練モデルに提供される画像（例えば、ユーザ画像２０２ａ、２０２ｂ、及び／又は２０２ｃ）における分類及び／又は縮れベースの特徴（及び、様々な実施形態では、その程度）を検出、決定、又は予測する際に毛髪ベースの訓練モデルをより正確にするために、毛髪ベースの訓練モデル（例えば、毛髪ベースの訓練モデル１０８）を訓練又は再訓練するために使用され得る。
【0055】
図３Ａ及び図３Ｂを更に参照すると、画像セット３１２及び画像セット３６２の各画像は、毛揃い画像分類３００ａを有するものとして分類され、割り当てられ、又はそうでなければ識別されている。「毛揃い」画像分類は、ユーザの毛髪又は毛髪領域が、互いに隣接して成形及び位置決めされた毛髪繊維を有する（例えば、所与の画像のデータ内で識別可能な）特徴を有することを示す。所与の画像が毛揃いベースの画像として分類されるという決定は、ユーザの毛髪の中央後部から先端を含む、画像（及びその関連する画素データ、例えば、画像２０２ａの画素２０２ａｐ２）を分析することを含み得る。追加的に又は代替的に、他の毛髪領域若しくはエリア又はユーザの頭部も同様に分析され得ることが理解されるべきである。
【0056】
画像セット３１２及び画像セット３６２に関して、後頭部画像３１２ｌ及び前頭部画像３６２ｌの各々は、それぞれの画素データから決定されるように、後頭部画像３１２ｌ及び前頭部画像３６２ｌの各々が、それぞれの画像において描写されるように、ユーザの毛髪の毛揃いが少ない又はないことを示す、ことを示す「低い毛揃い」（毛揃い１のグレード又は値を有する）の下位分類又は程度を有するものとして、分類され、割り当てられ、又はそうでなければ識別されている。同様に、後頭部画像３１２ｍ及び前頭部画像３６２ｍの各々は、それぞれの画素データから決定されるように、後頭部画像３１２ｍ及び前頭部画像３６２ｍの各々が、それぞれの画像において描写されるように、ユーザの毛髪の毛揃いが中程度の量であることを示す、ことを示す「中程度の毛揃い」（毛揃い２のグレード又は値を有する）の下位分類又は程度を有するものとして、分類され、割り当てられ、又はそうでなければ識別されている。最後に、後頭部画像３１２ｈ及び前頭部画像３６２ｈの各々は、それぞれの画素データから決定されるように、後頭部画像３１２ｈ及び前頭部画像３６２ｈの各々が、それぞれの画像において描写されるように、ユーザの毛髪の毛揃いが大量であることを示す、ことを示す「高い毛揃い」（毛揃い３のグレード又は値を有する）の下位分類又は程度を有するものとして、分類され、割り当てられ、又はそうでなければ識別されている。特定の分類（すなわち、毛揃い画像分類）及び関連する下位分類又は程度を示すそれぞれの特徴を有する画像セット３１２及び画像セット３６２の画像の各々は、毛髪ベースの訓練モデルに提供される画像（例えば、ユーザ画像２０２ａ、２０２ｂ、及び／又は２０２ｃ）における分類及び／又は毛揃いベースの特徴（及び、様々な実施形態では、その程度）を検出、決定、又は予測する際に毛髪ベースの訓練モデルをより正確にするために、毛髪ベースの訓練モデル（例えば、毛髪ベースの訓練モデル１０８）を訓練又は再訓練するために使用され得る。
【0057】
図３Ａ及び図３Ｂを更に参照すると、画像セット３２２及び画像セット３７２の画像は、光沢画像分類３００ｓを有するものとして分類され、割り当てられ、又はそうでなければ識別されている。「光沢」画像分類は、ユーザの毛髪又は髪領域が、（例えば、所与の画像の画素データ内で識別可能な）特徴を有し、例えば、上から下に、又はそうでなければ、ユーザの毛髪の流れ若しくはスタイリングと共に走る、毛髪の連続的な光沢バンドを有することを示す。所与の画像が光沢ベースの画像として分類されるという決定は、ユーザの頭頂部及び／又はユーザの毛髪の本体の中央部分を含む、画像（及びその関連する画素データ、例えば、画像２０２ａの画素２０２ａｐ２）を分析することを含み得る。追加的に又は代替的に、他の毛髪領域若しくはエリア又はユーザの頭部も同様に分析され得ることが理解されるべきである。
【0058】
画像セット３２２及び画像セット３７２に関して、後頭部画像３２２ｌ及び前画像３７２ｌの各々は、それぞれの画素データから決定されるように、後頭部画像３２２ｌ及び前画像３７２ｌの各々が、それぞれの画像において描写されるように、ユーザの毛髪の光沢又は光沢バンドが少ない又はないことを示す、ことを示す「低い光沢」（光沢１のグレード又は値を有する）の下位分類又は程度を有するものとして、分類され、割り当てられ、又はそうでなければ識別されている。同様に、後頭部画像３２２ｍ及び前画像３７２ｍの各々は、それぞれの画素データから決定されるように、後頭部画像３２２ｍ及び前画像３７２ｍの各々が、前画像３７２ｌ画像において描写されるように、ユーザの毛髪の光沢又は光沢バンドが中程度の量であることを示す、ことを示す「中程度の光沢」（光沢２のグレード又は値を有する）の下位分類又は程度を有するものとして、分類され、割り当てられ、又はそうでなければ識別されている。最後に、後頭部画像３２２ｈ及び前画像３７２ｌの各々は、それぞれの画素データから決定されるように、後頭部画像３２２ｈ及び前画像３７２ｌの各々が、それぞれの画像において描写されるように、ユーザの毛髪の光沢又は光沢バンドが大量であることを示す、ことを示す「高い光沢」（光沢３のグレード又は値を有する）の下位分類又は程度を有するものとして、分類され、割り当てられ、又はそうでなければ識別されている。特定の分類（すなわち、光沢画像分類）及び関連する下位分類又は程度を示すそれぞれの特徴を有する画像セット３２２及び画像セット３７２の画像の各々は、毛髪ベースの訓練モデルに提供される画像（例えば、ユーザ画像２０２ａ、２０２ｂ、及び／又は２０２ｃ）における分類及び／又は光沢ベースの特徴（及び、様々な実施形態では、その程度）を検出、決定、又は予測する際に毛髪ベースの訓練モデルをより正確にするために、毛髪ベースの訓練モデル（例えば、毛髪ベースの訓練モデル１０８）を訓練又は再訓練するために使用され得る。
【0059】
図３Ａ及び図３Ｂの各々は、縮れ、毛揃い、及び光沢を含む画像特徴についての３つの画像分類を例解するが、追加の分類（例えば、油性など）が本明細書で同様に企図されることを理解されたい。加えて、様々な分類が一緒に使用され得、単一の画像が、複数の画像分類を有するものとして分類され得るか、又はそうでなければ複数の画像分類と共に識別され得る。例えば、様々な実施形態では、コンピューティング命令は更に、（例えば、サーバ１０２及び／又はユーザコンピューティングデバイスの）１つ以上のプロセッサに、毛髪ベースの学習モデルの１つ以上の画像分類から選択されたユーザの毛髪領域の第２の画像分類を決定するために、毛髪ベースの学習モデルによって、デジタルカメラによってキャプチャされた画像を分析させ得る。本明細書に記載されるようなユーザ固有の推奨は、ユーザの毛髪領域の第２の画像分類に更に基づき得る。第３、第４などの画像分類はまた、所与の画像に対して割り当てられ、かつ／又は使用され得る。
【0060】
図４は、１つ以上のユーザ固有の推奨を生成するために、本明細書に開示される様々な実施形態による、ユーザの頭部の毛髪領域の画像（例えば、２０２ａ、２０２ｂ、及び／又は２０２ｃのうちのいずれか、後頭部画像（３０２ｌ、３０２ｍ、３０２ｈ、３１２ｌ、３１２ｍ、３１２ｈ、３２２ｌ、３２２ｍ、及び／若しくは３２２ｈ、並びに／又は前頭部画像（３５２ｌ、３５２ｍ、３５２ｈ、３６２ｌ、３６２ｍ、３６２ｈ、３７２ｌ、３７２ｍ、及び／若しくは３７２ｈ）の画素データを分析するためのデジタル撮像及び学習方法４００を例解する。方法４００で使用されるような、より一般的に本明細書に記載されるような画像は、デジタルカメラ（例えば、ユーザコンピューティングデバイス１１１ｃ１のデジタルカメラ）によってキャプチャされた画素ベースの画像である。いくつかの実施形態では、画像は、デジタルビデオカメラを使用して収集された複数の画像（例えば、フレーム）などの複数の画像を含むか、又はそれらを指し得る。フレームは、動きを定義する連続画像を含み、動画、ビデオなどを含むことができる。
【0061】
ブロック４０２では、方法４００は、１つ以上のプロセッサ（例えば、サーバ１０２の１つ以上のプロセッサ１０４及び／又はモバイルデバイスなどのコンピュータユーザデバイスのプロセッサ）上で実行される撮像アプリケーション（アプリ）で、ユーザ（例えば、ユーザ２０２ａｕ）の画像を受信することを含む。画像は、デジタルカメラ（例えば、ユーザコンピューティングデバイス１１１ｃ１のデジタルカメラ）によってキャプチャされたデジタル画像を含む。画像は、ユーザの頭部の毛髪領域の少なくとも一部分の画素データを含む。
【0062】
ブロック４０４で、方法４００は、撮像アプリによってアクセス可能な毛髪ベースの学習モデル（例えば、毛髪ベースの学習モデル１０８）によって、ユーザの毛髪領域の画像分類を決定するために、デジタルカメラによってキャプチャされた画像を分析することを更に含む。画像分類は、毛髪ベースの学習モデルの１つ以上の画像分類（例えば、毛揃い画像分類３００ｆ、毛揃い画像分類３００ａ、及び／又は光沢画像分類３００ｓのうちのいずれか１つ以上）から選択される。
【0063】
様々な実施形態において本明細書で言及される毛髪ベースの学習モデル（例えば、訓練毛髪ベースの学習モデル１０８）は、それぞれの個人の頭部の毛髪領域を描写する複数の訓練画像（例えば、画像２０２ａ、２０２ｂ、及び／又は２０２ｃのうちのいずれか、後頭部画像（３０２ｌ、３０２ｍ、３０２ｈ、３１２ｌ、３１２ｍ、３１２ｈ、３２２ｌ、３２２ｍ、及びに／若しくは３２２ｈ、並びに／又は、前頭部画像（３５２ｌ、３５２ｍ、３５２ｈ、３６２ｌ、３６２ｍ、３６２ｈ、３７２ｌ、３７２ｍ、及び／若しくは３７２ｈ）の画素データを用いて訓練される。毛髪ベースの学習モデルは、それぞれの個人の毛髪の１つ以上の特徴に対応する１つ以上の画像分類を出力するように構成されているか、又はそうでなければ動作可能である。
【0064】
様々な実施形態では、毛髪ベースの学習モデル（例えば、訓練毛髪ベースの学習モデル１０８）は、少なくとも１つの人工知能（ＡＩ）アルゴリズムで訓練されたＡＩベースモデルである。毛髪ベースの学習モデル１０８の訓練は、毛髪ベースの学習モデル１０８の重みを構成するための訓練画像の画像分析、並びに将来の画像を予測及び／又は分類するために使用されるその基礎となるアルゴリズム（例えば、機械学習又は人工知能アルゴリズム）を伴う。例えば、本明細書の様々な実施形態では、毛髪ベースの学習モデル１０８の生成は、複数の個人の複数の訓練画像を用いて毛髪ベースの学習モデル１０８を訓練することを伴い、訓練画像の各々は、画素データを含み、それぞれの個人の頭部の毛髪領域を描写する。いくつかの実施形態では、サーバ又はクラウドベースのコンピューティングプラットフォーム（例えば、撮像サーバ１０２）の１つ以上のプロセッサは、コンピュータネットワーク（例えば、コンピュータネットワーク１２０）を介して、複数の個人の複数の訓練画像を受信し得る。そのような実施形態では、サーバ及び／又はクラウドベースのコンピューティングプラットフォームは、複数の訓練画像の画素データを用いて毛髪ベースの学習モデルを訓練し得る。
【0065】
様々な実施形態では、本明細書に記載されているように、機械学習撮像モデル（例えば、毛髪ベースの学習モデル１０８）は、教師あり又は教師なし機械学習プログラム又はアルゴリズムを使用して訓練され得る。機械学習プログラム又はアルゴリズムは、ニューラルネットワークを採用し得、そのニューラルネットワークは、畳み込みニューラルネットワーク、深層学習ニューラルネットワーク、又は特定の関心領域内での２つ以上の特徴若しくは特徴データセット（例えば、画素データ）を学習する混合学習モジュール若しくはプログラムであり得る。これらの機械学習プログラム又はアルゴリズムには、自然言語処理、意味解析、自動推論、回帰分析、サポートベクタマシン（support vector machine、ＳＶＭ）分析、決定樹解析、ランダムフォレスト分析、Ｋ近傍法分析、単純ベイズ分析、クラスタリング、強化学習、並びに／又は他の機械学習アルゴリズム及び／若しくは技術もまた含まれ得る。いくつかの実施形態では、人工知能及び／又は機械学習ベースのアルゴリズムは、撮像サーバ１０２上で実行されるライブラリ又はパッケージとして含まれ得る。例えば、ライブラリは、ＴＥＮＳＯＲＦＬＯＷベースのライブラリ、ＰＹＴＯＲＣＨライブラリ、及び／又はＳＣＩＫＩＴ－ＬＥＡＲＮ Ｐｙｔｈｏｎライブラリを含み得る。
【0066】
機械学習は、後続のデータの予測又は識別を容易にするために、（新しい画像の新しい画素データに対してモデルを使用して、ユーザの頭部の毛髪領域の少なくとも一部分を含む画素データ内で識別可能な少なくとも１つの特徴に対処するように設計されたユーザ固有の推奨を決定又は生成するなどのために）、既存データ内のパターンを識別及び認識すること（本明細書に記載されるように、画像の画素データにおける毛髪、毛髪タイプ、髪型、又は他の毛髪関連特徴の特徴を識別することなど）を伴い得る。
【0067】
いくつかの実施形態について本明細書に記載の毛髪ベースの学習モデルなどの機械学習モデルは、例示的なデータ（例えば、「訓練データ」及び関連する画素データ）入力又はデータ（「特徴」及び「ラベル」と呼ばれ得る）に基づいて作成及び訓練されて、試験レベル又は生産レベルのデータ又は入力などの新しい入力の、有効かつ信頼できる予測を行うことができる。教師あり機械学習では、サーバ、コンピュータ処理デバイス、又はそうでなければプロセッサ上で動作する機械学習プログラムは、例示的な入力（例えば、「特徴」）、及びそれらの関連する又は観察される出力（例えば、「ラベル」）を提供されて、機械学習プログラム又はアルゴリズムは、例えば、モデルの様々な特徴カテゴリにわたって重み付け若しくは他の測定項目をそのモデルに対して決定すること及び／又は割り当てることによって、出力（例えば、ラベル）に対してそのような入力（例えば、「特徴」）をマッピングする規則、関係、パターン、又はそうでなければ機械学習「モデル」を決定又は発見し得る。次いで、そのような規則、関係、又はそうでなければモデルは、後続の入力が提供されて、そのモデルがサーバ、コンピュータ処理デバイス、又はそうでなければプロセッサ上で実行され、発見された規則、関係、又はモデルに基づいて、予想される出力を予測し得る。
【0068】
教師なし機械学習では、サーバ、コンピュータ処理デバイス、又はそうでなければプロセッサは、ラベル付けされていない例示的な入力において、それ自体の構造を見出すことが必要とされ得、この場合、例えば、複数の訓練反復が、サーバ、コンピュータ処理デバイス、又はそうでなければプロセッサによって実行されて、満足なモデル、例えば、試験レベル又は生産レベルのデータ又は入力が与えられたときに、十分な予測正確度を提供するモデルが生成されるまで、複数世代のモデルを訓練する。
【0069】
教師あり学習及び／又は教師なし機械学習はまた、新しい又は異なる情報を用いてモデルを再訓練、再学習、又はそうでなければ更新することを含み得、新しい又は異なる情報は、経時的に受信、摂取、生成、又はそうでなければ使用される情報を含み得る。本明細書の開示は、そのような教師あり又は教師なし機械学習技術のうちの一方又は両方を使用し得る。
【0070】
様々な実施形態では、毛髪ベースの学習モデル（例えば、訓練毛髪ベースの学習モデル１０８）は、複数の訓練画像（例えば、画像２０２ａ、２０２ｂ、及び／又は２０２ｃのうちのいずれか、後頭部画像（３０２ｌ、３０２ｍ、３０２ｈ、３１２ｌ、３１２ｍ、３１２ｈ、３２２ｌ、３２２ｍ、及びに／若しくは３２２ｈ、並びに／又は、前頭部画像（３５２ｌ、３５２ｍ、３５２ｈ、３６２ｌ、３６２ｍ、３６２ｈ、３７２ｌ、３７２ｍ、及び／若しくは３７２ｈ）の画素データを用いて、１つ以上のプロセッサ（例えば、サーバ１０２の１つ以上のプロセッサ１０４及び／又はモバイルデバイスなどのコンピュータユーザデバイスのプロセッサ）によって訓練され得る。様々な実施形態では、毛髪ベースの学習モデル（例えば、訓練毛髪ベースの学習モデル１０８）は、それぞれの個人の頭部の毛髪領域に対応する１つ以上の毛髪タイプを出力するように構成されている。
【0071】
様々な実施形態では、１つ以上の毛髪タイプは、例えば、典型的には、そのような人口統計及び／又は民族に関連付けられた異なる人種、ゲノム、及び／又は地理的場所に関連付けられた、又はそうでなければそれに対して天然に発生するような、１つ以上のユーザ人口統計及び／又は民族に対応し得る。なおも更に、１つ以上の毛髪タイプの各々は、特定の毛髪タイプ属性を定義し得る。そのような実施形態では、毛髪タイプ及び／又はその属性は、任意の１つ以上、例えば、形状、カール、真直度、コイルタイプ、スタイル、又はそうでなければユーザの毛髪の特徴又は構造を含み得る。訓練毛髪ベースの学習モデル（例えば、訓練毛髪ベースの学習モデル１０８）は、ユーザの頭部の毛髪領域の少なくとも一部分の毛髪タイプ又は特定の毛髪タイプ属性に基づいて、ユーザの毛髪領域の画像分類（例えば、縮れ画像分類３００ｆ、毛揃い画像分類３００ａ、及び／又は光沢画像分類３００ｓ）を決定し得る。
【0072】
様々な実施形態では、画像分析は、それぞれの個人の頭部の毛髪領域を描写する画像の画素データに対して機械学習ベースのモデル（例えば、毛髪ベースの学習モデル１０８）を訓練することを含み得る。追加的、又は代替的に、画像分析は、以前に訓練されたときに機械学習撮像モデルを使用して、画素データ（例えば、それらのＲＧＢ値を含む）、その個人の１つ以上の画像に基づいて、ユーザの毛髪領域の画像分類を決定することを含み得る。モデルの重みは、所与の画像の個々の画素の様々なＲＧＢ値の分析を介して訓練され得る。例えば、暗い又は低いＲＧＢ値（例えば、値Ｒ＝２５、Ｇ＝２８、Ｂ＝３１を有する画素）は、毛髪が存在する画像の領域を示し得る。例えば、暗い色調のＲＧＢ値（例えば、値Ｒ＝２１５、Ｇ＝９０、Ｂ＝８５を有する画素）は、黒、茶、又は「汚れた」ブロンドの色調を有する画像毛髪内の毛髪の存在を示し得る。同様に、わずかにより明るいＲＧＢ値（例えば、Ｒ＝１８１、Ｇ＝１７０、及びＢ＝１９１を有する画素）は、より明るいブロンド、又は場合によっては、グレー若しくは白の色調を有する画像内の毛髪の存在を示し得る。なおも更に、ＲＧＢ値（例えば、Ｒ＝１９９、Ｇ＝２００、及びＢ＝２３０を有する画素）は、白背景、空のエリア、又は他のそのような背景若しくは環境色調色を示し得る。同時に、毛髪の色調ＲＧＢを有する画素が所与の画像内に位置決めされるか、又はそうでなければ背景又は環境色調色を有する画素のグループ又はセットによって取り囲まれるとき、次いで、毛髪ベースの訓練モデル（例えば、毛髪ベースの訓練モデル１０８）は、所与の画像内で識別されるように、ユーザの毛髪領域の画像分類を決定することができる。このようにして、（例えば、それぞれの個人の頭部の毛髪領域を詳述する）１０，０００個の訓練画像の画素データが、ユーザの毛髪領域の画像分類を決定するために、機械学習撮像モデルを訓練又は使用するために使用され得る。
【0073】
様々な実施形態では、毛髪ベースの学習モデル１０８を訓練することは、一緒に動作するように構成されている複数のモデル又は下位モデルを含むアンサンブルモデルであり得る。例えば、いくつかの実施形態では、各モデルは、所与の画像に対する画像分類を識別又は予測するように訓練され、各モデルは、所与の画像が１つ以上の画像分類で識別、割り当て、決定、又は分類され得るように、画像に対する分類を出力又は決定し得る。
【0074】
図５Ａは、本明細書で開示される様々な実施形態による、例示的な毛髪ベースの学習モデル（例えば、毛髪ベースの学習モデル１０８）のモデルアーキテクチャ５００及びその関連する値を描写する例示的な図を例解する。図５Ａの例において、毛髪ベースの学習モデルは、毛髪モデル５３０ｆ、５３０ａ、及び５３０ｓの各々を含む３つの毛髪モデル５３０を含むモデルアーキテクチャ５００を有するアンサンブルモデルである。毛髪モデル５３０ｆは、本明細書に記載されるように、縮れ画像分類３００ｆを有するものとして画像を識別、割り当て、決定、又は分類するように訓練されるか、又はそうでなければ構成された毛髪縮れベースのモデルである。同様に、毛髪モデル５３０ａは、本明細書に記載されるように、毛揃い画像分類３００ａを有するものとして画像を識別し、割り当て、決定し、又は分類するように訓練されるか、又はそうでなければ構成された毛髪毛揃いベースのモデルである。なおも更に、毛髪モデル５３０ｓは、本明細書に記載されるように、光沢画像分類３００ｓを有するものとして画像を識別、割り当て、決定、又は分類するように訓練されるか、又はそうでなければ構成された毛髪毛揃いベースのモデルである。モデルの各々は、毛髪ベースの学習モデル１０８の一部分であり得、本明細書に記載されるように、画像を識別、割り当て、決定、又は分類するために、順次又は並列に動作し得る。そのようなモデルは、本明細書に記載されるように、例えば、画像２０２ａ、２０２ｂ、及び／又は２０２ｃのうちのいずれか、後頭部画像（３０２ｌ、３０２ｍ、３０２ｈ、３１２ｌ、３１２ｍ、３１２ｈ、３２２ｌ、３２２ｍ、及び／又は３２２ｈ）、及び／又は前頭部画像（３５２ｌ、３５２ｍ、３５２ｈ、３６２ｌ、３６２ｍ、３６２ｈ、３７２ｌ、３７２ｍ、及び／又は３７２ｈ）を含む、元の画像及び／又はトリミングされた画像に対して訓練され得る。
【0075】
図５Ａの例において、毛髪モデル５３０ｆ、５３０ａ、及び５３０ｓの各々は、Ｅｆｆｉｃｉｅｎｔ Ｎｅｔアーキテクチャを含むネットワークアーキテクチャ５３２を有する。概して、Ｅｆｆｉｃｉｅｎｔ Ｎｅｔは、複合係数を使用して画像の全ての次元（例えば、デジタル画像の深度、幅、解像度）を均一にスケーリングするスケーリングアルゴリズムを含む畳み込みニューラルネットワーク（convolutional neural network、ＣＮＮ）アーキテクチャである。すなわち、Ｅｆｆｉｃｉｅｎｔ Ｎｅｔスケーリングアルゴリズムは、固定スケーリング係数のセットを用いて、モデルの幅、深度、及び解像度値などのモデルのネットワーク値（例えば、モデルの重み値）を均一にスケーリングする。係数は、所与のネットワークアーキテクチャの効率、したがって、基礎となるコンピューティングシステム（例えば、撮像サーバ１０２及び／又はユーザコンピューティングデバイス、例えば、１１１ｃ１）の効率又は影響を適合させるように調整され得る。例えば、基礎となるコンピューティングシステムによって使用されるように、計算リソースを２Ｎだけ減少させるために、ネットワークアーキテクチャの深度は、αＮだけ減少され得、その幅は、βＮだけ減少され得、その画像サイズは、γＮだけ減少され得、α、β、及びγの各々は、ネットワークアーキテクチャに適用された定数係数であり、例えば、元のモデルのグリッド検索又はレビューによって決定され得る。
【0076】
様々な実施形態では、（例えば、毛髪モデル５３０ｆ、５３０ａ、及び５３０ｓのうちのいずれかの）Ｅｆｆｉｃｉｅｎｔ Ｎｅｔアーキテクチャは、複合係数φを使用して、ネットワーク幅、深度、及び解像度の各々を原理的に均一にスケーリングし得る。そのような実施形態では、複合スケーリングは、画像サイズに基づいて使用され得、例えば、より大きい画像は、モデルのネットワークが、受容野を増大させるためにより多くの層を有し、より多くのチャネル（例えば、画素のＲＧＢチャネル）が、より多くの画素を含むより大きい画像内の細粒パターンをキャプチャすることを必要とし得る。
【0077】
毛髪モデル５３０ｆは、Ｅｆｆｉｃｉｅｎｔ Ｎｅｔ Ｂ０ネットワークアーキテクチャを使用する。Ｅｆｆｉｃｉｅｎｔ Ｎｅｔ Ｂ０はベースラインモデルである。Ｅｆｆｉｃｉｅｎｔ Ｎｅｔ Ｂ０ベースラインモデルは、モデルサイズを増加させ、正確度利得（例えば、所与の画像をより正確に予測又は分類するモデルの能力）を達成するために、複合係数φを用いて調整され得る。対照的に、毛髪モデル５３０ａ及び毛髪モデル５３０ｓの各々は、４の値に増加された複合係数φを有しており、Ｅｆｆｉｃｉｅｎｔ Ｎｅｔ Ｂ４ネットワークアーキテクチャのそれらの使用をもたらす。したがって、図５Ａの実施形態では、毛髪モデル５３０ａ及び毛髪モデル５３０ｓの各々の各々は、毛髪モデル５３０ｆと比較して、増大したモデルサイズ（寸法）を有する。
【0078】
図５Ａの例に示されるように、毛髪モデル５３０ｆ、５３０ａ、及び５３０ｓの各々は、毛髪視覚的属性（例えば、縮れ、毛揃い、及び光沢）のマルチクラス分類（例えば、アンサンブルモデル）を提供する。図５Ａの例では、モデルは、何百もの毛髪の抽出された後頭部画像（例えば、画像３０２ｌ、３０２ｍ、３０２ｈ、３１２ｌ、３１２ｍ、３１２ｈ、３２２ｌ、３２２ｍ、及び／又は３２２ｈ）、並びに前頭部画像（例えば、画像３５２ｌ、３５２ｍ、３５２ｈ、３６２ｌ、３６２ｍ、３６２ｈ、３７２ｌ、３７２ｍ、及び／又は３７２ｈ）を用いて訓練された。毛髪モデル５３０ｆ、５３０ａ、５３０ｓは、男性及び女性の両方の毛髪特徴をキャプチャするように訓練及び／又は構成された。訓練に続いて毛髪モデル５３０ｆ、５３０ａ、及び５３０ｓは、縮れ分類、毛揃い分類、及び光沢分類のそれぞれについて、約７３％、９０％、及び７８％（５３４）の精度、７１％、８１％、７３％の再現率（５３６）、７１％、８５％、及び７５％のＦ１スコア（５３８）、７５％、８３％、及び７４％の正確度（５４０）を達成する。概して、精度（５３４）は、予測された陽性結果を実際の陽性結果と比較することによって、モデルがどの程度正確であるかを定義する。正確度（５４０）値は、混同行列（５４２）値に基づき、混同行列は、真の値が既知である試験データのセットに対する分類モデル（又は「分類子」）の性能を定義する表である。混同行列の各行は、実際のクラスを表し、各列は、予測されたクラスを表す。行及び列の値を比較すると、偽陽性及び偽陰性と比較して、正しい結果が得られる。正確度（５４０）値は、混同行列（５４２）の値の合計又は評価に基づく。再現率（５３６）は、モデルがキャプチャした実際の陽性の数を定義する。Ｆ１スコア（５３８）は、精度（５３４）及び再現率（５３６）の両方から導出され、精度と再現率との間のバランスを測定し、モデルにわたる不均一なクラス分布の決定を可能にする。
【0079】
図５Ａの例は、Ｅｆｆｉｃｉｅｎｔ Ｎｅｔモデル及びアーキテクチャを使用するが、他のタイプのＣＮＮアーキテクチャなど、他のＡＩモデルアーキテクチャ及び／又はタイプがＥｆｆｉｃｉｅｎｔ Ｎｅｔアーキテクチャの代わりに使用され得ることを理解されたい。加えて、アンサンブルモデル又はマルチクラスモデルが示されているが、単一のＥｆｆｉｃｉｅｎｔ Ｎｅｔニューラルネットワークアーキテクチャ又は他のＡＩアルゴリズムなど、単一のＡＩモデルに基づく単一のモデルを含む、１つ以上のモデルが使用され得ることを理解されたい。
【0080】
図４を参照すると、ブロック４０６で、方法４００は、撮像アプリによって、ユーザの毛髪領域の画像分類に基づいて、少なくとも１つのユーザ固有の推奨を生成することを含む。ユーザ固有の推奨は、ユーザの頭部の毛髪領域の少なくとも一部分を含む画素データ内で識別可能な少なくとも１つの特徴に対処するように生成又は設計される。例えば、様々な実施形態では、ユーザ固有の推奨は、ユーザ固有の推奨される洗浄頻度を含み得る。洗浄頻度は、洗浄回数、１日、１週間などにわたる１つ以上の回数又は期間、洗浄方法に関する提案などを含み得る。
【0081】
追加的、又は代替的に、ユーザ固有の推奨は、ユーザの頭部の毛髪領域の少なくとも一部分の画素データに基づいて決定された髪質スコアと、毛髪ベースの学習モデル（例えば、毛髪ベースの学習モデル１０８）の１つ以上の画像分類から選択された１つ以上の画像分類と、を含み得る。例えば、図５Ｂは、本明細書で開示される様々な実施形態による、図５Ａの毛髪ベースの学習モデルの値（例えば、髪質スコアを示す値を含む）を描写する例示的な図を例解する。図５Ｂの値はまた、より一般的に、毛髪ベースの学習モデル（例えば、毛髪ベースの学習モデル１０８）によって提供された値（例えば、髪質スコアを示す値を含む）を表し得ることを理解されたい。
【0082】
図５Ｂを参照すると、様々な毛髪属性スコア（５５２）が描写されている。毛髪属性スコア（５５２）は、１つのタイプの髪質スコアである。毛髪属性スコア（５５２）は各々、毛髪モデル５３０ｆによって出力された縮れ値５５０ｆ、毛髪モデル５３０ａによって出力された毛揃い値５５０ａ、及び毛髪モデル５３０ｓによって出力された光沢値５５０ｓを含む、機械学習ベースのモデルによって出力されている場合がある。（例えば、毛髪属性スコア（５５２）の）髪質スコアは、縮れ、毛揃い、光沢、油性、及び／又は他の毛髪属性のグレード、程度、又は重症度（又はその欠如）に基づいて、ユーザに割り当てられ、示され、又は提供され得る。概して、髪質スコアは、ユーザの毛髪がこれらの属性にわたってどの程度良好であるか又は不良であるかを示し得る。加えて、髪質スコアは、個々の毛髪属性、例えば、毛髪の光沢に関するものであり得るか、又は１つ以上の毛髪属性（例えば、縮れ、光沢、毛揃い、油性など）を組み込むか、若しくはそれに基づく全体的なスコアであり得る。より高いスコアは、典型的に、より好ましい属性を示す。
【0083】
図５Ｂに示されるように、縮れ値５５０ｆ、毛揃い値５５０ａ、及び光沢値５５０ｓの各々は、経時的に分布しており（５５４）、毛髪洗浄後時間は、ユーザが自分の毛髪を洗浄した後の時間を定義する。（例えば、毛髪属性スコア（５５２）の）髪質スコアは、概して、経時的に劣化し、頻繁な毛髪洗浄がユーザの毛髪の属性（例えば、縮れ、毛揃い、光沢、油性、及び／又は他の毛髪属性）を改善することをユーザに示す。例えば、図５Ｂによって例示されるように、毛髪縮れ、毛揃い、及び光沢の各々についての髪質スコア（例えば、毛髪属性スコア（５５２））は、洗浄後２時間及び１２時間の期間と比較して、毛髪洗浄後２４時間ではるかに低減しており、皮脂、汗などの内因性因子、並びに／又は風、湿度、及び使用される製品タイプなどの外因性因子が、髪質及び／又は外観に影響を及ぼし、不満足な毛髪の見た目及び／又は髪質属性（例えば、縮れ、毛揃い、光沢、油性、及び／又は他の毛髪属性）をもたらし得ることを示唆している。
【0084】
図４を参照すると、ブロック４０８で、方法４００は、撮像アプリによって、少なくとも１つのユーザ固有の推奨をコンピューティングデバイス（例えばユーザコンピューティングデバイス１１１ｃ１）のディスプレイ画面上でレンダリングすることを含む。ユーザ特有の推奨は、ユーザコンピューティングデバイス（例えば、ユーザコンピューティングデバイス１１１ｃ１）によって、かつ／又はサーバ（例えば、撮像サーバ１０２）によって生成され得る。例えば、いくつかの実施形態では、撮像サーバ１０２は、図１に関して本明細書に記載されるように、ユーザの毛髪領域の画像分類及び／又はユーザの頭部の毛髪領域の少なくとも一部分を含む画素データ内で識別可能な少なくとも１つの特徴に対処するように設計されたユーザ固有の推奨を決定するために、ユーザコンピューティングデバイスから遠隔のユーザ画像を分析し得る。例えば、そのような実施形態では、撮像サーバ又はクラウドベースのコンピューティングプラットフォーム（例えば、撮像サーバ１０２）は、コンピュータネットワーク１２０にわたってユーザの頭部の毛髪領域の少なくとも一部分の画素データを含む、少なくとも１つの画像を受信する。次いで、サーバ又はクラウドベースのコンピューティングプラットフォームは、毛髪ベースの学習モデル（例えば、毛髪ベースの学習モデル１０８）を実行し、毛髪ベースの学習モデル（例えば、毛髪ベースの学習モデル１０８）の出力に基づいて、ユーザ固有の推奨を生成し得る。次いで、サーバ又はクラウドベースのコンピューティングプラットフォームは、ユーザコンピューティングデバイスのディスプレイ画面上でレンダリングするために、コンピュータネットワーク（例えば、コンピュータネットワーク１２０）を介して、ユーザ固有の推奨をユーザコンピューティングデバイスに伝送し得る。
【0085】
いくつかの実施形態では、ユーザは、本明細書に記載されるような分析のために、新しい画像を毛髪ベースの学習モデルに提出し得る。そのような実施形態では、１つ以上のプロセッサ（例えば、撮像サーバ１０２及び／又はユーザコンピューティングデバイス１１１ｃ１などのユーザコンピューティングデバイス）は、経時的なユーザの毛髪領域の変化を追跡するために、第１の時間にデジタルカメラによってキャプチャされたユーザの画像を受信し、分析し、かつ／又は１つ以上のプロセッサに通信可能に結合された１つ以上のメモリに記録し得る。加えて、１つ以上のプロセッサ（例えば、撮像サーバ１０２及び／又はユーザコンピューティングデバイス１１１ｃ１などのユーザコンピューティングデバイス）は、ユーザの第２の画像を受信し得る。第２の画像は、第２の時間にデジタルカメラによってキャプチャされたものであり得る。第２の画像は、ユーザの頭部の毛髪領域の少なくとも一部分の画素データを含み得る。なおも更に、１つ以上のプロセッサ（例えば、撮像サーバ１０２及び／又はユーザコンピューティングデバイス１１１ｃ１などのユーザコンピューティングデバイス）は、毛髪ベースの学習モデルによって、第２の時間に毛髪ベースの学習モデルの１つ以上の画像分類から選択されたユーザの毛髪領域の第２の画像分類を決定するために、デジタルカメラによってキャプチャされた第２の画像を分析し得る。加えて、１つ以上のプロセッサ（例えば、撮像サーバ１０２及び／又はユーザコンピューティングデバイス１１１ｃ１などのユーザコンピューティングデバイス）は、ユーザの毛髪領域の画像及び第２の画像又は分類若しくは第２の分類の比較に基づいて、ユーザの頭部の毛髪領域の少なくとも一部分を含む第２の画像の画素データ内で識別可能な少なくとも１つの特徴に関する新しいユーザ固有の推奨又はコメント（例えば、メッセージ）を生成し得る。１つ以上のプロセッサ（例えば、撮像サーバ１０２及び／又はユーザコンピューティングデバイス１１１ｃ１などのユーザコンピューティングデバイス）は、コンピューティングデバイスのディスプレイ上に、新しいユーザ固有の推奨又はコメントをレンダリングし得る。
【0086】
様々な実施形態では、（例えば、新しいユーザ固有の推奨又はコメントを含む）ユーザ固有の推奨又はコメントは、例えば、ユーザコンピューティングデバイス（例えば、ユーザコンピューティングデバイス１１１ｃ１）のディスプレイ上に表示されたテキスト、視覚、又は仮想推奨を含み得る。そのような推奨は、ユーザ固有の属性（例えば、縮れ、毛揃い、光沢など）に対応する１つ以上のグラフィック又はテキストレンダリングで注釈を付けられた、ユーザ及び／又はユーザの毛髪のグラフィック表現を含み得る。新しいユーザ固有の推奨又はコメントを含む実施形態では、そのような新しいユーザ固有の推奨又はコメントは、第１の時間と第２の時間との間のユーザの頭部の毛髪領域の少なくとも一部分の比較を含み得る。
【0087】
いくつかの実施形態では、ユーザ固有の推奨は、ユーザの頭部の毛髪領域の少なくとも一部分を含む（例えば、画像）の画素データにおいて識別可能な少なくとも１つの特徴を処理するための命令と共に、コンピューティングデバイス（例えば、ユーザコンピューティングデバイス１１１ｃ１）のディスプレイ画面上に表示され得る。そのような推奨は、例えば、元々受信されたユーザの画像（例えば、画像２０２ａ）に基づいて行われ得る。
【0088】
追加の実施形態では、ユーザ固有の推奨は、製造された製品に対する製品推奨を含み得る。追加的、又は代替的に、いくつかの実施形態では、ユーザ固有の推奨は、製造された製品で、ユーザの頭部の毛髪領域の少なくとも一部分を含む画素データにおいて識別可能な少なくとも１つの特徴を処理するための命令（例えば、メッセージ）と共に、コンピューティングデバイス（例えば、ユーザコンピューティングデバイス１１１ｃ１）のディスプレイ画面上に表示され得る。なおも更なる実施形態では、ユーザコンピューティングデバイス（例えば、ユーザコンピューティングデバイス１１１ｃ１）及び／又は撮像サーバのプロセッサ上で実行されるコンピューティング命令は、製品推奨に基づいて、ユーザへの製造された製品の出荷を開始し得る。
【0089】
製造された製品の推奨に関して、いくつかの実施形態では、１つ以上のプロセッサ（例えば、撮像サーバ１０２及び／又はユーザコンピューティングデバイス１１１ｃ１などのユーザコンピューティングデバイス）は、例えば、元々受信されたユーザの少なくとも１つの画像に基づいて、修正された画像を生成し得る。そのような実施形態では、修正された画像は、少なくとも１つの特徴を製造された製品で処理した後にユーザの毛髪がどのように見えると予測されるかのレンダリングを描写し得る。例えば、修正された画像は、画素データ内の少なくとも１つの特徴を製造された製品で処理した後の可能な又は予測される変化を表すために、画像の画素の色を更新、平滑化、又は変更することによって修正され得る。修正された画像は、次いで、ユーザコンピューティングデバイス（例えば、ユーザコンピューティングデバイス１１１ｃ１）のディスプレイ画面上でレンダリングされ得る。
【0090】
図６は、本明細書で開示される様々な実施形態による、ユーザコンピューティングデバイス（例えば、ユーザコンピューティングデバイス１１１ｃ１）のディスプレイ画面６００上でレンダリングされた例示的なユーザインターフェース６０２を例解する。例えば、図６の例に示されるように、ユーザインターフェース６０２は、ユーザコンピューティングデバイス１１１ｃ１上で実行されるアプリケーション（アプリ）を介して、実装又はレンダリングされ得る。例えば、図６の例に示されるように、ユーザインターフェース６０２は、ユーザコンピューティングデバイス１１１ｃ１上で実行されるネイティブアプリを介して、実装又はレンダリングされ得る。図６の例では、ユーザコンピューティングデバイス１１１ｃ１は、図１について記載されたユーザコンピュータデバイスであり、例えば、１１１ｃ１は、ＡＰＰＬＥ ｉＯＳオペレーティングシステムを実装し、ディスプレイ画面６００を有するＡＰＰＬＥ ｉＰｈｏｎｅとして例解されている。ユーザコンピューティングデバイス１１１ｃ１は、例えば、本明細書に記載される撮像アプリを含む、１つ以上のネイティブアプリケーション（アプリ）をそのオペレーティングシステム上で実行し得る。そのようなネイティブアプリは、ユーザコンピューティングデバイス１１１ｃ１のプロセッサによって、ユーザコンピューティングデバイスオペレーティングシステム（例えば、ＡＰＰＬＥ ｉＯＳ）によって実行可能なコンピューティング言語（例えば、ＳＷＩＦＴ）で実装又はコード化され得る（例えば、コンピューティング命令として）。
【0091】
追加的、又は代替的に、ユーザインターフェース６０２は、ウェブインターフェースを介して、例えば、ウェブブラウザアプリケーション、例えば、Ｓａｆａｒｉ及び／若しくはＧｏｏｇｌｅ Ｃｈｒｏｍｅアプリ、又は他のそのようなウェブブラウザなどを介して、実装又はレンダリングされ得る。
【0092】
図６の例に示されるように、ユーザインターフェース６０２は、ユーザ２０２ａｕの（例えば、画像２０２ａの）グラフィック表現を含む。画像２０２ａは、本明細書に記載されるように、ユーザの頭部の毛髪領域の少なくとも一部分の画素データ（例えば、画素データ２０２ａｐ）を含む、ユーザの少なくとも１つの画像（又はそのグラフィック表現）を含み得る。図６の例では、ユーザのグラフィック表現（例えば、画像２０２ａ）は、ユーザの頭部の毛髪領域の一部分を含む画素データ内で識別可能な様々な特徴に対応する１つ以上のグラフィック（例えば、画素データ２０２ａｐのエリア）又はテキストレンダリング（例えば、テキスト２０２ａｔ）で注釈が付けられる。例えば、画素データ２０２ａｐのエリアは、毛髪ベースの学習モデル（例えば、毛髪ベースの学習モデル１０８）によって画素データ（例えば、特徴データ及び／又は生画素データ）内で識別されたエリア又は特徴を強調するために、ユーザの画像（例えば、画像２０２ａ）上に注釈を付けられるか又はオーバーレイされ得る。図６の例では、画素データ２０２ａｐのエリアは、本明細書に記載されるように、縮れ（例えば、画素２０２ａｐ１に対する）、毛揃い（例えば、画素２０２ａｐ２に対する）、及び光沢（例えば、画素２０２ａｐ３に対する）を含む、画素データ２０２ａｐにおいて定義されるような特徴、並びに画素データ２０２ａｐのエリアにおいて示される他の特徴を示す。様々な実施形態では、縮れ（例えば、画素２０２ａｐ１）、毛揃い（例えば、画素２０２ａｐ２）、及び光沢（例えば、画素２０２ａｐ３）を含む、特定の特徴として識別された画素は、ディスプレイ画面６００上でレンダリングされるときに強調され得るか、又はそうでなければ注釈が付けられ得る。
【0093】
テキストレンダリング（例えば、テキスト２０２ａｔ）は、ユーザが縮れに対して（１．４の）髪質スコアを有することを示す、ユーザ固有の属性又は特徴（例えば、画素２０２ａｐ２に対する１．４）を示す。１．４スコアは、ユーザが髪質（例えば、縮れの質）を改善するために毛髪を洗浄することから利益を得る可能性があるような低い縮れの髪質スコアを有することを示す。他のテキストレンダリングタイプ又は値が本明細書において企図され、テキストレンダリングタイプ又は値は、例えば、毛揃い、光沢、油性などのための髪質スコアなどがレンダリングされ得ることを理解されたい。追加的、又は代替的に、色値は、例えば、２．５の高いスコア又は１．０の低いスコア（例えば、図５Ｂに示されるようなスコア）などの所与の髪質スコアの程度又は質を示すために、ユーザインターフェース６０２（例えば、画像２０２ａ）上に示されるグラフィック表現に使用及び／又はオーバーレイされ得る。スコアは、生スコア、絶対スコア、パーセンテージベースのスコアとして提供され得る。追加的、又は代替的に、そのようなスコアは、スコアが陽性結果（良好な毛髪洗浄頻度）、陰性結果（不良な毛髪洗浄頻度）、又は許容可能な結果（平均又は許容可能な毛髪洗浄頻度）を表すか否かを示すテキスト又はグラフィックインジケータと共に提示され得る。
【0094】
ユーザインターフェース６０２はまた、ユーザ固有の電子推奨６１２を含むか、又はレンダリングし得る。図６の実施形態では、ユーザ固有の電子推奨６１２は、ユーザの頭部の毛髪領域の一部分を含む画素データ内で識別可能な少なくとも１つの特徴に対処するように設計された、ユーザへのメッセージ６１２ｍを含む。図６の例に示されるように、メッセージ６１２ｍは、１２時間ごとに毛髪を洗浄することをユーザに推奨する。
【0095】
メッセージ６１２ｍは、ユーザの毛髪に水分を補って柔らかさ及び光沢を提供するのを助けるための保湿剤を有するシャンプーの使用を更に推奨する。シャンプー推奨は、縮れに対する低い髪質スコア（例えば、１．４）に基づいて行われ、ユーザの画像が不十分な縮れスコアを描写することを示唆することができ、シャンプー製品は、画像２０２ａの画素データにおいて検出又は分類されるか、又はそうでなければ縮れに対する低い髪質スコア又は分類に基づいて想定される縮れに対処するように設計される。製品推奨は、画素データ内の識別された特徴と相関させられることができ、ユーザコンピューティングデバイス１１１ｃ１及び／又はサーバ１０２は、特徴（例えば、過度の縮れ）が識別又は分類される（例えば、縮れ画像分類３００ｆ）とき、製品推奨を出力するように命令され得る。
【0096】
ユーザインターフェース６０２はまた、製造された製品６２４ｒ（例えば、上述のようなシャンプー）に対する製品推奨６２２のためのセクションを含むか、又はレンダリングし得る。製品推奨６２２は、上述したように、ユーザ固有の電子推奨６１２に対応し得る。例えば、図６の例では、ユーザ固有の電子推奨６１２は、ユーザの頭部の毛髪領域の少なくとも一部分の画素データを含む画素データ（画素データ２０２ａｐ）において識別可能な少なくとも１つの特徴（例えば、画素２０２ａｐ１での毛髪縮れに関連する１．４の低い髪質スコア）を製造された製品（製造された製品６２４ｒ（例えば、シャンプー））で処理するための命令（例えば、メッセージ６１２ｍ）と共に、ユーザコンピューティングデバイス１１１ｃ１のディスプレイ画面６００上に表示され得る。
【0097】
図６に示されるように、ユーザインターフェース６０２は、ユーザ固有の電子推奨６１２に基づいて製品（例えば、製造された製品６２４ｒ（例えば、シャンプー））を推奨する。図６の例において、毛髪ベースの学習モデル（例えば、毛髪ベースの学習モデル１０８）の画像（例えば、画像２０２ａ）、例えば、ユーザ固有の電子推奨６１２、並びに／又はその関連する値（例えば、１．４髪質スコア）若しくは関連する画素データ（例えば、２０２ａｐ１、２０２ａｐ２、及び／若しくは２０２ａｐ３）の出力又は分析は、対応する製品の推奨を生成又は識別するために使用され得る。そのような推奨は、毛髪ベースの学習モデル（例えば、毛髪ベースの学習モデル１０８）によって画素データ内で検出されたユーザ固有の問題に対処するために、シャンプー、コンディショナ、毛髪ジェル、保湿トリートメントなどの製品を含み得る。
【0098】
図６の例において、ユーザインターフェース６０２は、毛髪ベースの学習モデル（例えば、毛髪ベースの学習モデル１０８）によって決定された推奨される製品（例えば、製造された製品６２４ｒ）、並びに画像２０２ａ及びその画素データ及び様々な特徴のその関連する画像分析をレンダリング又は提供する。図６の例において、これは、ユーザインターフェース６０２上に示され、注釈が付けられる（６２４ｐ）。
【0099】
ユーザインターフェース６０２は、ユーザ（例えば、画像２０２ａのユーザ）が、対応する製品（例えば、製造された製品６２４ｒ）を購入又は出荷するために選択することを可能にする、選択可能ＵＩなボタン６２４ｓを更に含み得る。いくつかの実施形態では、選択可能なＵＩボタン６２４ｓの選択により、推奨製品をユーザ（例えば、ユーザ２０２ａｕ）に出荷させ得、かつ／又はその個人がその製品に関心があることを第三者に通知し得る。例えば、ユーザコンピューティングデバイス１１１ｃ１及び／又は撮像サーバ１０２のいずれかは、ユーザ固有の電子推奨６１２に基づいて、ユーザへの製造された製品６２４ｒ（例えば、シャンプー）の出荷を開始し得る。そのような実施形態では、製品は包装され、ユーザに出荷され得る。
【0100】
様々な実施形態では、グラフィック注釈（例えば、画素データ２０２ａｐのエリア）、テキスト注釈（例えば、テキスト２０２ａｔ）、ユーザ固有の電子推奨６１２を有するグラフィック表現（例えば、画像２０２ａ）は、ディスプレイ画面６００上でレンダリングするために、コンピュータネットワークを介して（例えば、撮像サーバ１０２及び／又は１つ以上のプロセッサから）ユーザコンピューティングデバイス１１１ｃ１に伝送され得る。他の実施形態では、ユーザ固有の画像の撮像サーバへの伝送は行われず、ユーザ固有の推奨（及び／又は製品固有の推奨）は、代わりに、毛髪ベースの学習モデル（例えば、毛髪ベースの学習モデル１０８）によってローカルに生成され、ユーザのモバイルデバイス上で実行及び／又は実装され、モバイルデバイス（例えば、ユーザコンピューティングデバイス１１１ｃ１）のプロセッサによってモバイルデバイス（例えば、ユーザコンピューティングデバイス１１１ｃ１）のディスプレイ画面６００上でレンダリングされ得る。
【0101】
いくつかの実施形態では、グラフィック注釈（例えば、画素データ２０２ａｐのエリア）、テキスト注釈（例えば、テキスト２０２ａｔ）、ユーザ固有の電子推奨６１２、及び／又は製品推奨６２２を有するグラフィック表現（例えば、画像２０２ａ）のうちの任意の１つ以上は、ユーザの頭部の毛髪領域を有する画像をリアルタイム又はほぼリアルタイムで、受信中又は受信後にレンダリングされ得る（例えば、ディスプレイ画面６００上にローカルにレンダリングされ得る）。画像が撮像サーバ１０２によって分析される実施形態では、画像は、撮像サーバ１０２によってリアルタイム又はほぼリアルタイムで伝送及び分析され得る。
【0102】
いくつかの実施形態では、ユーザは、毛髪ベースの学習モデル１０８による更新、再訓練、又は再分析のために撮像サーバ１０２に伝送され得る新しい画像を提供し得る。他の実施形態では、新しい画像は、コンピューティングデバイス１１１ｃ１上でローカルに受信され、毛髪ベースの学習モデル１０８によってコンピューティングデバイス１１１ｃ１上で分析され得る。
【0103】
加えて、図６の例に示されるように、ユーザは、新しい画像を（例えば、コンピューティングデバイス１１１ｃ１でローカルに、又は撮像サーバ１０２で遠隔に）再分析するために選択可能なボタン６１２ｉを選択し得る。選択可能なボタン６１２ｉは、ユーザインターフェース６０２に、新しい画像を分析するために添付するようにユーザに促し得る。撮像サーバ１０２及び／又はユーザコンピューティングデバイス１１１ｃ１などのユーザコンピューティングデバイスは、ユーザの頭部の毛髪領域の少なくとも一部分の画素データを含む新しい画像を受信し得る。新しい画像は、デジタルカメラによってキャプチャされ得る。新しい画像（例えば、画像２０２ａと同様の）は、ユーザの頭部の毛髪領域の少なくとも一部分の画素データを含み得る。コンピューティングデバイス（例えば、撮像サーバ１０２）のメモリ上で実行される毛髪ベースの学習モデル（例えば、毛髪ベースの学習モデル１０８）は、ユーザの毛髪領域の画像分類を決定するために、デジタルカメラによってキャプチャされた新しい画像を分析し得る。コンピューティングデバイス（例えば、撮像サーバ１０２）は、画像と第２の画像との比較又はユーザの毛髪領域の分類又は第２の分類に基づいて、新しい画像の画素データ内で識別可能な少なくとも１つの特徴に関する新しいユーザ固有の電子推奨又はコメントを生成し得る。例えば、新しいユーザ固有の電子推奨は、グラフィック及び／又はテキストを含む新しいグラフィック表現（例えば、ユーザがここで毛髪を洗浄した後の新しい髪質スコア値、例えば２．５を示す）を含み得る。新しいユーザ固有の電子推奨は、例えば、新しい画像の画素データで検出されるような縮れを低減するために、ユーザが自分の毛髪を成功裏に洗浄したという追加の推奨を含み得る。コメントは、ユーザが、追加の製品、例えば、毛髪ゲルを塗布することによって、画素データ内で検出された追加の特徴、例えば、毛髪の毛揃いを補正する必要があることを含み得る。
【0104】
様々な実施形態では、新しいユーザ固有の推奨又はコメントは、ユーザコンピューティングデバイス（例えば、ユーザコンピューティングデバイス１１１ｃ１）のディスプレイ画面６００上でレンダリングするために、サーバ１０２からユーザのユーザコンピューティングデバイスにコンピュータネットワークを介して伝送され得る。
【0105】
他の実施形態では、ユーザの新しい画像の撮像サーバへの伝送は行われず、新しいユーザ固有の推奨（及び／又は製品固有の推奨）は、代わりに、毛髪ベースの学習モデル（例えば、毛髪ベースの学習モデル１０８）によってローカルに生成され、ユーザのモバイルデバイス上で実行及び／又は実装され、モバイルデバイス（例えば、ユーザコンピューティングデバイス１１１ｃ１）のプロセッサによってモバイルデバイス（例えば、ユーザコンピューティングデバイス１１１ｃ１）のディスプレイ画面上でレンダリングされ得る。
【0106】
本開示の態様
以下の態様は、本明細書の開示による例として提供されるものであり、本開示の範囲を限定することを意図するものではない。
以下の態様は、本明細書の開示による例として提供されるものであり、本開示の範囲を限定することを意図するものではない。
【0107】
１． １つ以上のユーザ固有の推奨を生成するために、ユーザの頭部の毛髪領域の画像の画素データを分析するように構成されたデジタル撮像及び学習システムであって、１つ以上のプロセッサと、１つ以上のプロセッサ上で実行するように構成されたコンピューティング命令を含む撮像アプリケーション（アプリ）と、撮像アプリによってアクセス可能であり、それぞれの個人の頭部の毛髪領域を描写する複数の訓練画像の画素データを用いて訓練された毛髪ベースの学習モデルであって、それぞれの個人の毛髪の１つ以上の特徴に対応する１つ以上の画像分類を出力するように構成された毛髪ベースの学習モデルと、を備え、撮像アプリのコンピューティング命令が、１つ以上のプロセッサによって実行されると、１つ以上のプロセッサに、ユーザの画像を受信することであって、画像が、デジタルカメラによってキャプチャされたデジタル画像を含み、画像が、ユーザの頭部の毛髪領域の少なくとも一部分の画素データを含む、受信することと、毛髪ベースの学習モデルによって、ユーザの毛髪領域の画像分類を決定するために、デジタルカメラによってキャプチャされた画像を分析することであって、画像分類が、毛髪ベースの学習モデルの１つ以上の画像分類から選択される、分析することと、ユーザの毛髪領域の画像分類に基づいて、ユーザの頭部の毛髪領域の少なくとも一部分を含む画素データ内で識別可能な少なくとも１つの特徴に対処するように設計された少なくとも１つのユーザ固有の推奨を生成することと、コンピューティングデバイスのディスプレイ画面上で、少なくとも１つのユーザ固有の推奨をレンダリングすることと、を行わせる、デジタル撮像及び学習システム。
２． １つ以上の画像分類が、（１）毛髪縮れ画像分類、（２）毛髪毛揃い画像分類、（３）毛髪光沢画像分類、（４）毛髪油性分類、（５）毛髪量分類、（６）毛髪色分類、又は（７）毛髪タイプ分類のうちの１つ以上を含む、態様１に記載のデジタル撮像及び学習システム。
３． コンピューティング命令が、１つ以上のプロセッサに、毛髪ベースの学習モデルによって、毛髪ベースの学習モデルの１つ以上の画像分類から選択されたユーザの毛髪領域の第２の画像分類を決定するために、デジタルカメラによってキャプチャされた画像を分析することを更に行わせ、ユーザ固有の推奨が、ユーザの毛髪領域の第２の画像分類に更に基づく、態様１又は２に記載のデジタル撮像及び学習システム。
４． ユーザの毛髪の１つ以上の特徴が、（１）突き出ている１本以上の毛髪、（２）毛髪繊維の形状若しくは相対的な位置決め、（３）１つ以上の連続した毛髪光沢バンド、又は（４）毛髪油性のうちの１つ以上を含む、態様１～３のいずれか１つに記載のデジタル撮像及び学習システム。
５． ユーザの頭部の毛髪領域が、前髪領域、後髪領域、側髪領域、上髪領域、全髪領域、部分的毛髪領域、又はカスタム定義された毛髪領域のうちの少なくとも１つを含む、態様１～４のいずれか１つに記載のデジタル撮像及び学習システム。
６． 毛髪領域が、画素データで識別可能なユーザの毛髪の毛髪状態を描写し、毛髪状態が、毛髪のタイアップ状態、毛髪のオープン状態、毛髪のスタイリング状態、又は非スタイリング状態のうちの少なくとも１つを含む、態様１～５のいずれか１つに記載のデジタル撮像及び学習システム。
７． 複数の訓練画像のうちの１つ以上又はユーザの少なくとも１つの画像が各々、ユーザの少なくとも１つ以上の顔の特徴が除去された毛髪を描写する１つ以上のトリミングされた画像を含む、態様１～６のいずれか１つに記載のデジタル撮像及び学習システム。
８． １つ以上のトリミングされた画像が、個人識別可能情報（ＰＩＩ）を描写することなく、ユーザの１つ以上の抽出された毛髪領域を含む、態様７に記載のデジタル撮像及び学習システム。
９． 複数の訓練画像のうちの１つ以上又はユーザの少なくとも１つの画像が各々、それぞれの個人又はユーザの各々の毛髪領域を描写する複数の角度又は視点を含む、態様１～８のいずれか１つに記載のデジタル撮像及び学習システム。
１０． 少なくとも１つのユーザ固有の推奨が、ユーザの頭部の毛髪領域の少なくとも一部分を含む画素データにおいて識別可能な少なくとも１つの特徴を処理するための命令と共に、コンピューティングデバイスのディスプレイ画面上に表示される、態様１～９のいずれか１つに記載のデジタル撮像及び学習システム。
１１． 少なくとも１つのユーザ固有の推奨が、ユーザに固有の推奨される洗浄頻度を含む、態様１～１０のいずれか１つに記載のデジタル撮像及び学習システム。
１２． 少なくとも１つのユーザ固有の推奨が、ユーザの頭部の毛髪領域の少なくとも一部分の画素データに基づいて決定された髪質スコアと、毛髪ベースの学習モデルの１つ以上の画像分類から選択された１つ以上の画像分類と、を含む、態様１～１１のいずれか１つに記載のデジタル撮像学習システム。
１３． コンピューティング命令が、１つ以上のプロセッサに、１つ以上のプロセッサに通信可能に結合された１つ以上のメモリに、ユーザの毛髪領域の経時的な変化を追跡するために、第１の時間にデジタルカメラによってキャプチャされたユーザの画像を記録することと、ユーザの第２の画像を受信することであって、第２の画像が、第２の時間にデジタルカメラによってキャプチャされ、第２の画像が、ユーザの頭部の毛髪領域の少なくとも一部分の画素データを含む、受信することと、毛髪ベースの学習モデルによって、第２の時間に毛髪ベースの学習モデルの１つ以上の画像分類から選択されたユーザの毛髪領域の第２の画像分類を決定するために、デジタルカメラによってキャプチャされた第２の画像を分析することと、ユーザの毛髪領域の画像及び第２の画像又は分類若しくは第２の分類の比較に基づいて、ユーザの頭部の毛髪領域の少なくとも一部分を含む第２の画像の画素データ内で識別可能な少なくとも１つの特徴に関する新しいユーザ固有の推奨又はコメントを生成することと、コンピューティングデバイスのディスプレイ画面上で、新しいユーザ固有の推奨又はコメントをレンダリングすることと、を更に行わせる、態様１～１２のいずれか１つに記載のデジタル撮像及び学習システム。
１４． 新しいユーザ固有の推奨又はコメントが、第１の時間と第２の時間との間のユーザの頭部の毛髪領域の少なくとも一部分のテキスト、視覚、又は仮想比較を含む、態様１３に記載のデジタル撮像及び学習システム。
１５． 少なくとも１つのユーザ固有の推奨が、ユーザの頭部の毛髪領域を有する画像をリアルタイム又はほぼリアルタイムで、受信中又は受信後にディスプレイ上でレンダリングされる、態様１～１４のいずれか１つに記載のデジタル撮像及び学習システム。
１６． 少なくとも１つのユーザ固有の推奨が、製造された製品についての製品推奨を含む、態様１～１５のいずれか１つに記載のデジタル撮像及び学習システム。
１７． 少なくとも１つのユーザ固有の推奨が、ユーザの頭部の毛髪領域の少なくとも一部分を含む画素データにおいて識別可能な少なくとも１つの特徴を製造された製品で処理するための命令と共に、コンピューティングデバイスのディスプレイ画面上に表示される、態様１６に記載のデジタル撮像及び学習システム。
１８． コンピューティング命令が、１つ以上のプロセッサに、製品推奨に基づいて、ユーザへの製造された製品の出荷を開始することを更に行わせる、態様１６に記載のデジタル撮像及び学習システム。
１９． コンピューティング命令が、１つ以上のプロセッサに、画像に基づいて修正された画像を生成することであって、修正された画像が、少なくとも１つの特徴を製造された製品で処理した後にユーザの毛髪がどのように見えると予測されるかを描写する、生成することと、コンピューティングデバイスのディスプレイ画面上で、修正された画像をレンダリングすることと、を更に行わせる、態様１６に記載のデジタル撮像及び学習システム。
２０． 毛髪ベースの学習モデルが、少なくとも１つの人工知能（ＡＩ）アルゴリズムを用いて訓練されたＡＩベースのモデルである、態様１～１９のいずれか１つに記載のデジタル撮像及び学習システム。
２１． 毛髪ベースの学習モデルが、複数の訓練画像の画素データを用いて、１つ以上のプロセッサによって更に訓練されて、それぞれの個人の頭部の毛髪領域に対応する１つ以上の毛髪タイプを出力し、１つ以上の毛髪タイプの各々が、特定の毛髪タイプ属性を定義し、ユーザの毛髪領域の画像分類の決定が、ユーザの頭部の毛髪領域の少なくとも一部分の毛髪タイプ又は特定の毛髪タイプ属性に更に基づく、態様１～２１のいずれか１つに記載のデジタル撮像及び学習システム。
２２． １つ以上の毛髪タイプが、１つ以上のユーザの人口統計又は民族に対応する、態様２１に記載のデジタル撮像及び学習システム。
２３． １つ以上のプロセッサのうちの少なくとも１つが、モバイルデバイスのモバイルプロセッサを含み、デジタルカメラが、モバイルデバイスのデジタルカメラを含む、態様１～２２のいずれか１つに記載のデジタル撮像及び学習システム。
２４． モバイルデバイスが、モバイル電話、タブレット、ハンドヘルドデバイス、パーソナルアシスタントデバイス、又は小売コンピューティングデバイスのうちの少なくとも１つを含む、態様２３に記載のデジタル撮像及び学習システム。
２５． １つ以上のプロセッサが、サーバのサーバプロセッサを備え、サーバが、コンピュータネットワークを介してモバイルデバイスに通信可能に結合され、撮像アプリが、サーバの１つ以上のプロセッサ上で実行されるように構成されたサーバアプリ部分と、モバイルデバイスの１つ以上のプロセッサ上で実行するように構成されたモバイルアプリ部分と、を備え、サーバアプリ部分が、モバイルアプリ部分と通信するように構成され、サーバアプリ部分が、（１）デジタルカメラによってキャプチャされた画像を受信すること、（２）ユーザの毛髪の画像分類を決定すること、（３）ユーザ固有の推奨を生成すること、又は（４）１つのユーザ固有の推奨をモバイルアプリ部分に伝送することのうちの１つ以上を実装するように構成されている、態様１～２４のいずれか１つに記載のデジタル撮像及び学習システム。
２６． １つ以上のユーザ固有の推奨を生成するために、ユーザの頭部の毛髪領域の画像の画素データを分析するためのデジタル撮像及び学習方法であって、１つ以上のプロセッサ上で実行される撮像アプリケーション（アプリ）で、ユーザの画像を受信することであって、画像が、デジタルカメラによってキャプチャされたデジタル画像を含み、画像が、ユーザの頭部の毛髪領域の少なくとも一部分の画素データを含む、受信することと、撮像アプリによってアクセス可能な毛髪ベースの学習モデルによって、ユーザの毛髪領域の画像分類を決定するために、デジタルカメラによってキャプチャされた画像を分析することであって、画像分類が、毛髪ベースの学習モデルの１つ以上の画像分類から選択され、毛髪ベースの学習モデルが、それぞれの個人の頭部の毛髪領域を描写する複数の訓練画像の画素データを用いて訓練され、毛髪ベースの学習モデルが、それぞれの個人の毛髪の１つ以上の特徴に対応する１つ以上の画像分類を出力するように動作可能である、分析することと、ユーザの毛髪領域の画像分類に基づく撮像アプリによって、ユーザの頭部の毛髪領域の少なくとも一部分を含む画素データ内で識別可能な少なくとも１つの特徴に対処するように設計された少なくとも１つのユーザ固有の推奨を生成することと、撮像アプリによって、コンピューティングデバイスのディスプレイ画面上で、少なくとも１つのユーザ固有の推奨をレンダリングすることと、を含む、デジタル撮像及び学習方法。
２７． １つ以上のユーザ固有の推奨を生成するために、ユーザの頭部の毛髪領域の画像の画素データを分析するための命令を格納する有形の非一時的コンピュータ可読媒体であって、命令が、１つ以上のプロセッサによって実行されると、１つ以上のプロセッサに、撮像アプリケーション（アプリ）で、ユーザの画像を受信することであって、画像が、デジタルカメラによってキャプチャされたデジタル画像を含み、画像が、ユーザの頭部の毛髪領域の少なくとも一部分の画素データを含む、受信することと、撮像アプリによってアクセス可能な毛髪ベースの学習モデルによって、ユーザの毛髪領域の画像分類を決定するために、デジタルカメラによってキャプチャされた画像を分析することであって、画像分類が、毛髪ベースの学習モデルの１つ以上の画像分類から選択され、毛髪ベースの学習モデルが、それぞれの個人の頭部の毛髪領域を描写する複数の訓練画像の画素データを用いて訓練され、毛髪ベースの学習モデルが、それぞれの個人の毛髪の１つ以上の特徴に対応する１つ以上の画像分類を出力するように動作可能である、分析することと、撮像アプリによって、ユーザの毛髪領域の画像分類に基づいて、ユーザの頭部の毛髪領域の少なくとも一部分を含む画素データ内で識別可能な少なくとも１つの特徴に対処するように設計された少なくとも１つのユーザ固有の推奨を生成することと、撮像アプリによって、コンピューティングデバイスのディスプレイ画面上で、少なくとも１つのユーザ固有の推奨をレンダリングさせることと、を行わせる、有形の非一時的コンピュータ可読媒体。
２． １つ以上の画像分類が、（１）毛髪縮れ画像分類、（２）毛髪毛揃い画像分類、（３）毛髪光沢画像分類、（４）毛髪油性分類、（５）毛髪量分類、（６）毛髪色分類、又は（７）毛髪タイプ分類のうちの１つ以上を含む、態様１に記載のデジタル撮像及び学習システム。
３． コンピューティング命令が、１つ以上のプロセッサに、毛髪ベースの学習モデルによって、毛髪ベースの学習モデルの１つ以上の画像分類から選択されたユーザの毛髪領域の第２の画像分類を決定するために、デジタルカメラによってキャプチャされた画像を分析することを更に行わせ、ユーザ固有の推奨が、ユーザの毛髪領域の第２の画像分類に更に基づく、態様１又は２に記載のデジタル撮像及び学習システム。
４． ユーザの毛髪の１つ以上の特徴が、（１）突き出ている１本以上の毛髪、（２）毛髪繊維の形状若しくは相対的な位置決め、（３）１つ以上の連続した毛髪光沢バンド、又は（４）毛髪油性のうちの１つ以上を含む、態様１～３のいずれか１つに記載のデジタル撮像及び学習システム。
５． ユーザの頭部の毛髪領域が、前髪領域、後髪領域、側髪領域、上髪領域、全髪領域、部分的毛髪領域、又はカスタム定義された毛髪領域のうちの少なくとも１つを含む、態様１～４のいずれか１つに記載のデジタル撮像及び学習システム。
６． 毛髪領域が、画素データで識別可能なユーザの毛髪の毛髪状態を描写し、毛髪状態が、毛髪のタイアップ状態、毛髪のオープン状態、毛髪のスタイリング状態、又は非スタイリング状態のうちの少なくとも１つを含む、態様１～５のいずれか１つに記載のデジタル撮像及び学習システム。
７． 複数の訓練画像のうちの１つ以上又はユーザの少なくとも１つの画像が各々、ユーザの少なくとも１つ以上の顔の特徴が除去された毛髪を描写する１つ以上のトリミングされた画像を含む、態様１～６のいずれか１つに記載のデジタル撮像及び学習システム。
８． １つ以上のトリミングされた画像が、個人識別可能情報（ＰＩＩ）を描写することなく、ユーザの１つ以上の抽出された毛髪領域を含む、態様７に記載のデジタル撮像及び学習システム。
９． 複数の訓練画像のうちの１つ以上又はユーザの少なくとも１つの画像が各々、それぞれの個人又はユーザの各々の毛髪領域を描写する複数の角度又は視点を含む、態様１～８のいずれか１つに記載のデジタル撮像及び学習システム。
１０． 少なくとも１つのユーザ固有の推奨が、ユーザの頭部の毛髪領域の少なくとも一部分を含む画素データにおいて識別可能な少なくとも１つの特徴を処理するための命令と共に、コンピューティングデバイスのディスプレイ画面上に表示される、態様１～９のいずれか１つに記載のデジタル撮像及び学習システム。
１１． 少なくとも１つのユーザ固有の推奨が、ユーザに固有の推奨される洗浄頻度を含む、態様１～１０のいずれか１つに記載のデジタル撮像及び学習システム。
１２． 少なくとも１つのユーザ固有の推奨が、ユーザの頭部の毛髪領域の少なくとも一部分の画素データに基づいて決定された髪質スコアと、毛髪ベースの学習モデルの１つ以上の画像分類から選択された１つ以上の画像分類と、を含む、態様１～１１のいずれか１つに記載のデジタル撮像学習システム。
１３． コンピューティング命令が、１つ以上のプロセッサに、１つ以上のプロセッサに通信可能に結合された１つ以上のメモリに、ユーザの毛髪領域の経時的な変化を追跡するために、第１の時間にデジタルカメラによってキャプチャされたユーザの画像を記録することと、ユーザの第２の画像を受信することであって、第２の画像が、第２の時間にデジタルカメラによってキャプチャされ、第２の画像が、ユーザの頭部の毛髪領域の少なくとも一部分の画素データを含む、受信することと、毛髪ベースの学習モデルによって、第２の時間に毛髪ベースの学習モデルの１つ以上の画像分類から選択されたユーザの毛髪領域の第２の画像分類を決定するために、デジタルカメラによってキャプチャされた第２の画像を分析することと、ユーザの毛髪領域の画像及び第２の画像又は分類若しくは第２の分類の比較に基づいて、ユーザの頭部の毛髪領域の少なくとも一部分を含む第２の画像の画素データ内で識別可能な少なくとも１つの特徴に関する新しいユーザ固有の推奨又はコメントを生成することと、コンピューティングデバイスのディスプレイ画面上で、新しいユーザ固有の推奨又はコメントをレンダリングすることと、を更に行わせる、態様１～１２のいずれか１つに記載のデジタル撮像及び学習システム。
１４． 新しいユーザ固有の推奨又はコメントが、第１の時間と第２の時間との間のユーザの頭部の毛髪領域の少なくとも一部分のテキスト、視覚、又は仮想比較を含む、態様１３に記載のデジタル撮像及び学習システム。
１５． 少なくとも１つのユーザ固有の推奨が、ユーザの頭部の毛髪領域を有する画像をリアルタイム又はほぼリアルタイムで、受信中又は受信後にディスプレイ上でレンダリングされる、態様１～１４のいずれか１つに記載のデジタル撮像及び学習システム。
１６． 少なくとも１つのユーザ固有の推奨が、製造された製品についての製品推奨を含む、態様１～１５のいずれか１つに記載のデジタル撮像及び学習システム。
１７． 少なくとも１つのユーザ固有の推奨が、ユーザの頭部の毛髪領域の少なくとも一部分を含む画素データにおいて識別可能な少なくとも１つの特徴を製造された製品で処理するための命令と共に、コンピューティングデバイスのディスプレイ画面上に表示される、態様１６に記載のデジタル撮像及び学習システム。
１８． コンピューティング命令が、１つ以上のプロセッサに、製品推奨に基づいて、ユーザへの製造された製品の出荷を開始することを更に行わせる、態様１６に記載のデジタル撮像及び学習システム。
１９． コンピューティング命令が、１つ以上のプロセッサに、画像に基づいて修正された画像を生成することであって、修正された画像が、少なくとも１つの特徴を製造された製品で処理した後にユーザの毛髪がどのように見えると予測されるかを描写する、生成することと、コンピューティングデバイスのディスプレイ画面上で、修正された画像をレンダリングすることと、を更に行わせる、態様１６に記載のデジタル撮像及び学習システム。
２０． 毛髪ベースの学習モデルが、少なくとも１つの人工知能（ＡＩ）アルゴリズムを用いて訓練されたＡＩベースのモデルである、態様１～１９のいずれか１つに記載のデジタル撮像及び学習システム。
２１． 毛髪ベースの学習モデルが、複数の訓練画像の画素データを用いて、１つ以上のプロセッサによって更に訓練されて、それぞれの個人の頭部の毛髪領域に対応する１つ以上の毛髪タイプを出力し、１つ以上の毛髪タイプの各々が、特定の毛髪タイプ属性を定義し、ユーザの毛髪領域の画像分類の決定が、ユーザの頭部の毛髪領域の少なくとも一部分の毛髪タイプ又は特定の毛髪タイプ属性に更に基づく、態様１～２１のいずれか１つに記載のデジタル撮像及び学習システム。
２２． １つ以上の毛髪タイプが、１つ以上のユーザの人口統計又は民族に対応する、態様２１に記載のデジタル撮像及び学習システム。
２３． １つ以上のプロセッサのうちの少なくとも１つが、モバイルデバイスのモバイルプロセッサを含み、デジタルカメラが、モバイルデバイスのデジタルカメラを含む、態様１～２２のいずれか１つに記載のデジタル撮像及び学習システム。
２４． モバイルデバイスが、モバイル電話、タブレット、ハンドヘルドデバイス、パーソナルアシスタントデバイス、又は小売コンピューティングデバイスのうちの少なくとも１つを含む、態様２３に記載のデジタル撮像及び学習システム。
２５． １つ以上のプロセッサが、サーバのサーバプロセッサを備え、サーバが、コンピュータネットワークを介してモバイルデバイスに通信可能に結合され、撮像アプリが、サーバの１つ以上のプロセッサ上で実行されるように構成されたサーバアプリ部分と、モバイルデバイスの１つ以上のプロセッサ上で実行するように構成されたモバイルアプリ部分と、を備え、サーバアプリ部分が、モバイルアプリ部分と通信するように構成され、サーバアプリ部分が、（１）デジタルカメラによってキャプチャされた画像を受信すること、（２）ユーザの毛髪の画像分類を決定すること、（３）ユーザ固有の推奨を生成すること、又は（４）１つのユーザ固有の推奨をモバイルアプリ部分に伝送することのうちの１つ以上を実装するように構成されている、態様１～２４のいずれか１つに記載のデジタル撮像及び学習システム。
２６． １つ以上のユーザ固有の推奨を生成するために、ユーザの頭部の毛髪領域の画像の画素データを分析するためのデジタル撮像及び学習方法であって、１つ以上のプロセッサ上で実行される撮像アプリケーション（アプリ）で、ユーザの画像を受信することであって、画像が、デジタルカメラによってキャプチャされたデジタル画像を含み、画像が、ユーザの頭部の毛髪領域の少なくとも一部分の画素データを含む、受信することと、撮像アプリによってアクセス可能な毛髪ベースの学習モデルによって、ユーザの毛髪領域の画像分類を決定するために、デジタルカメラによってキャプチャされた画像を分析することであって、画像分類が、毛髪ベースの学習モデルの１つ以上の画像分類から選択され、毛髪ベースの学習モデルが、それぞれの個人の頭部の毛髪領域を描写する複数の訓練画像の画素データを用いて訓練され、毛髪ベースの学習モデルが、それぞれの個人の毛髪の１つ以上の特徴に対応する１つ以上の画像分類を出力するように動作可能である、分析することと、ユーザの毛髪領域の画像分類に基づく撮像アプリによって、ユーザの頭部の毛髪領域の少なくとも一部分を含む画素データ内で識別可能な少なくとも１つの特徴に対処するように設計された少なくとも１つのユーザ固有の推奨を生成することと、撮像アプリによって、コンピューティングデバイスのディスプレイ画面上で、少なくとも１つのユーザ固有の推奨をレンダリングすることと、を含む、デジタル撮像及び学習方法。
２７． １つ以上のユーザ固有の推奨を生成するために、ユーザの頭部の毛髪領域の画像の画素データを分析するための命令を格納する有形の非一時的コンピュータ可読媒体であって、命令が、１つ以上のプロセッサによって実行されると、１つ以上のプロセッサに、撮像アプリケーション（アプリ）で、ユーザの画像を受信することであって、画像が、デジタルカメラによってキャプチャされたデジタル画像を含み、画像が、ユーザの頭部の毛髪領域の少なくとも一部分の画素データを含む、受信することと、撮像アプリによってアクセス可能な毛髪ベースの学習モデルによって、ユーザの毛髪領域の画像分類を決定するために、デジタルカメラによってキャプチャされた画像を分析することであって、画像分類が、毛髪ベースの学習モデルの１つ以上の画像分類から選択され、毛髪ベースの学習モデルが、それぞれの個人の頭部の毛髪領域を描写する複数の訓練画像の画素データを用いて訓練され、毛髪ベースの学習モデルが、それぞれの個人の毛髪の１つ以上の特徴に対応する１つ以上の画像分類を出力するように動作可能である、分析することと、撮像アプリによって、ユーザの毛髪領域の画像分類に基づいて、ユーザの頭部の毛髪領域の少なくとも一部分を含む画素データ内で識別可能な少なくとも１つの特徴に対処するように設計された少なくとも１つのユーザ固有の推奨を生成することと、撮像アプリによって、コンピューティングデバイスのディスプレイ画面上で、少なくとも１つのユーザ固有の推奨をレンダリングさせることと、を行わせる、有形の非一時的コンピュータ可読媒体。
【0108】
追加の考慮事項
本明細書の開示は、多数の異なる実施形態の詳細な説明を記載するものであるが、本明細書の法的範囲は、本特許及び等価物の最後に記載された特許請求の範囲の語句によって定義されることを理解されたい。この詳細な説明は例示的なものとしてのみ解釈されるべきであり、全ての可能な実施形態を説明することは非現実的であるので、全ての可能な実施形態を説明するものではない。現在の技術か、又は本特許の出願日以降に開発された技術のいずれかを使用して、多数の代替の実施形態が実装され得るが、このような実施形態は、依然として、特許請求の範囲の範囲内に収まることになる。
本明細書の開示は、多数の異なる実施形態の詳細な説明を記載するものであるが、本明細書の法的範囲は、本特許及び等価物の最後に記載された特許請求の範囲の語句によって定義されることを理解されたい。この詳細な説明は例示的なものとしてのみ解釈されるべきであり、全ての可能な実施形態を説明することは非現実的であるので、全ての可能な実施形態を説明するものではない。現在の技術か、又は本特許の出願日以降に開発された技術のいずれかを使用して、多数の代替の実施形態が実装され得るが、このような実施形態は、依然として、特許請求の範囲の範囲内に収まることになる。
【0109】
以下の追加の考慮事項は、前述の考察に適用される。本明細書全体を通して、複数の実例が、単一の実例として説明される構成要素、動作、又は構造を実装し得る。１つ以上の方法の個々の動作が別個の動作として例解及び説明されているが、個々の動作のうちの１つ以上が同時に実施され得、また動作が例解されている順序で実施される必要はない。例示的な構成における別個の構成要素として提示される構造及び機能は、組み合わされた構造又は構成要素として実装され得る。同様に、単一の構成要素として提示される構造及び機能は、別個の構成要素としても実装され得る。これら及び他の変形、修正、追加、及び改善も本明細書の本主題の範囲内に含まれる。
【0110】
加えて、特定の実施形態は、論理又はいくつかのルーチン、サブルーチン、アプリケーション、又は指示を含むものとして本明細書に記載されている。これらは、ソフトウェア（例えば、機械可読媒体上に若しくは送信信号内に具現化されたコード）又はハードウェアのいずれかを構築し得る。ハードウェアでは、ルーチンなどは、特定の動作を実施することが可能な有形のユニットであり、特定の様式で構成又は配設され得る。例示的な実施形態では、１つ以上のコンピュータシステム（例えば、スタンドアロン、クライアント若しくはサーバコンピュータシステム）又はコンピュータシステムの１つ以上のハードウェアモジュール（例えば、プロセッサ若しくはプロセッサのグループ）が、本明細書に記載されるような特定の動作を実施するように動作するハードウェアモジュールとしてソフトウェア（例えば、アプリケーション若しくはアプリケーション部分）によって構成され得る。
【0111】
本明細書に記載される例示的方法の様々な動作は、少なくとも部分的に、関連する動作を実施するように一時的に構成された（例えば、ソフトウェアによって）又は恒久的に構成された１つ以上のプロセッサによって実施され得る。一時的に構成されたか、又は恒久的に構成されたかにかかわらず、このようなプロセッサは、１つ以上の動作若しくは機能を実施するように動作するプロセッサ実装モジュールを形成し得る。本明細書で言及されるモジュールは、いくつかの例示的な実施形態では、プロセッサ実装モジュールを含み得る。
【0112】
同様に、本明細書に記載される方法又はルーチンは、少なくとも部分的にプロセッサ実装され得る。例えば、ある方法の動作のうちの少なくともいくつかは、１つ以上のプロセッサ又はプロセッサ実装ハードウェアモジュールによって実施され得る。それらの動作の特定の性能は、１つ以上のプロセッサに分散され得、単一のマシン内に存在するだけでなく、多数のマシンにわたって展開され得る。いくつかの例示的な実施形態では、プロセッサ（１つ又は複数）は、単一の場所に配置され得、これに対して、他の実施形態では、プロセッサは、いくつかの場所にわたって分散され得る。
【0113】
それらの動作の特定の性能は、１つ以上のプロセッサに分散され得、単一のマシン内に存在するだけでなく、多数のマシンにわたって展開され得る。いくつかの例示的な実施形態では、１つ以上のプロセッサ又はプロセッサ実装モジュールが、単一の地理的場所（例えば、家庭環境、オフィス環境、又はサーバファーム内）に配置され得る。他の実施形態では、１つ以上のプロセッサ又はプロセッサ実装モジュールは、多数の地理的場所にわたって分散され得る。
【0114】
この詳細な説明は例示的なものとしてのみ解釈されるべきであり、また、全ての可能な実施形態を説明することは不可能ではないとしても非現実的であるので、全ての可能な実施形態を説明するものではない。当業者は、現在の技術か、又は本出願の出願日後に開発される技術のいずれかを使用して、多数の代替的な実施形態を実装し得る。
【0115】
当業者は、本発明の範囲から逸脱することなく、上記の実施形態に関して多種多様な修正、変更、及び組み合わせを行うことができ、そのような修正、変更、及び組み合わせが、本発明の概念の周囲内にあるとみなされ得ることを認識するであろう。
【0116】
本特許出願の最後にある特許請求の範囲は、「のための手段」又は「のためのステップ」という文言などの、従来の手段プラス機能文言が明示的に列挙されていない限り、米国特許法第１１２条（ｆ）の下で解釈されることを意図するものではない。本明細書に記載のシステム及び方法は、コンピュータ機能の改善を対象とし、従来のコンピュータの機能を改善する。
【0117】
本明細書に開示される寸法及び値は、列挙された正確な数値に厳密に限定されるものとして理解されるべきではない。その代わりに、特に指示がない限り、そのような寸法は各々、列挙された値とその値を囲む機能的に同等な範囲との両方を意味することが意図される。例えば、「４０ｍｍ」と開示された寸法は、「約４０ｍｍ」を意味することが意図される。
【0118】
相互参照される又は関連するあらゆる特許又は特許出願、及び本願が優先権又はその利益を主張する任意の特許出願又は特許を含む、本明細書に引用される全ての文書は、除外又は限定することを明言しない限りにおいて、参照によりその全体が本明細書に組み込まれる。いかなる文献の引用も、本明細書中で開示又は特許請求されるいかなる発明に対する先行技術であるとはみなされず、あるいはそれを単独で又は他の任意の参考文献（単数又は複数）と組み合わせたときに、そのようないかなる発明も教示、示唆又は開示するとはみなされない。更に、本文書における用語の任意の意味又は定義が、参照により組み込まれた文書内の同じ用語の任意の意味又は定義と矛盾する場合、本文書においてその用語に与えられた意味又は定義が適用されるものとする。
【0119】
本発明の特定の実施形態を例解及び説明してきたが、本発明の趣旨及び範囲から逸脱することなく様々な他の変更及び修正を行うことができる点は当業者には明白であろう。したがって、本発明の範囲内にある全てのそのような変更及び修正を添付の特許請求の範囲に網羅することが意図される。
【図1】
【図2】
【図3A】
【図3B】
【図4】
【図5A】
【図5B】
【図6】
【国際調査報告】