Определение возраста покупателей для супермаркета «Хлеб-Соль»

Модель компьютерного зрения для предсказания возраста покупателей по фотографиям из прикассовой зоны.
Цель проекта — разработка системы для анализа покупок и контроля продаж алкоголя в супермаркете «Хлеб-Соль».

🎯 Цель проекта

• Определение примерного возраста покупателей по фотографиям
• Анализ покупательских предпочтений по возрастным группам
• Обеспечение контроля добросовестности кассиров при продаже алкоголя

💡 Использованные технологии

• Python 3.x
• pandas, numpy, matplotlib, seaborn
• tensorflow, keras
• PIL (Pillow)
• ImageDataGenerator для аугментации данных
• Jupyter Notebook

🧪 Как запустить проект

git clone https://github.com/kagor4/Khleb-Sol_supermarket_project.git
cd Khleb-Sol_supermarket_project
pip install -r requirements.txt

Затем откройте и запустите ноутбук Khleb-Sol_supermarket_project.ipynb в Jupyter или Google Colab.

📊 Описание данных

Проект использует датасет с фотографиями людей:

• Папка final_files/ содержит изображения в формате JPG
• Файл labels.csv включает метки возраста (real_age) для каждого изображения

Целевая переменная: real_age (число, обозначающее возраст человека)

🔍 Краткие результаты

• Лучшая модель: ResNet50 с GlobalAveragePooling2D и Dense слоем
• Метрика: MAE = 7.1280 (достигнуто целевое значение < 8)
• Интерпретация: средняя ошибка предсказания возраста ~7.12 лет
• Основные ограничения:
  • Несбалансированность данных (мало детей 7–15 лет и пожилых)
  • Погрешности разметки возраста
• Рекомендации:
  • Дополнить датасет недостающими возрастными группами
  • Уточнить разметку
  • Использовать для персонализированных предложений, но не для строгого контроля совершеннолетия

📁 Структура проекта

📦 Khleb-Sol_supermarket_project/
├── Khleb-Sol_supermarket_project.ipynb  # анализ и обучение модели
├── requirements.txt                     # зависимости
└── README.md                           # описание проекта

✅ TODO

• Добавить интерфейс для обработки фотографий в реальном времени
• Расширить датасет для улучшения предсказаний
• Исследовать другие архитектуры (например, EfficientNet)

© Автор

Автор: kagor4