【蜂口 | AI人工智能】人脸颜值——龙鹏深度学习与人脸图像应用连载（五）...

最新推荐文章于 2018-10-23 14:08:38 发布

congxiao4063

最新推荐文章于 2018-10-23 14:08:38 发布

阅读量192

点赞数

这次继续给大家带来人脸图像相关的分享。本次的分享主题是人脸的颜值。这次的分享将从三个方面：

首先，我们对人脸的颜值，包括对它的定义和量化标准做一个简单的介绍。

其次，我们对颜值相关的特征，主要是面部的形状、面部的纹理特征做一个介绍。这两部分特征将是颜值算法的核心。

最后，我们对人脸颜值在当前环境下的应用以及它的难点做一个简短的介绍。

首那么我们看第一部分。时下就是一个颜值就是正义的时代，大家都已经习惯了看俊男靓女，正所谓长得好看的人运气好。

上面是一次韩国选美大赛的一些截图。我们可以看到韩国是一个整容业非常发达的国家。这一些选美大赛选手的照片，作为一个标准的程序员来说，他又是脸盲，是根本就无法区分这谁是谁的脸，就算让我再看一百次，我也永远都记不住这谁是谁的脸！不得不感叹韩国的整容医生真的非常的专业专一。

上面这张是一次网络直播的图片。我在百度搜索引擎里面搜了一些关键词，可以看到，其实也有非常多的相似性。

当下网络直播是非常火的。时下中国人审美其实已经完全是趋于一致的，大家都喜欢瓜子脸的脸型，像 angla baby、范冰冰这样的脸型是最受大家欢迎的，所以说才会有那么多的网络主播跑到韩国去整容。

那么颜值到底应该怎么样科学的去给他做定义呢？首先，英国的一些科学家们做了一个平均脸的测试。他们从全球搜集了很多的图片，对每一个国家的女性的图片，通过简单的图像融合，图像加权，最后得到了一些人脸图像的照片。

上图这是亚洲几个国家的人脸平均值，分别是男生和女生。我们可以看到 : 平均脸其实颜值都挺高的。虽然这项研究也得到了很多人的诟病，就是他们认为人脸的平均脸其实没有那么颜值高，但是这个研究总归它反映了一个问题，就是一句俗语：美人一个胚丑人多作怪。

因为我们可以看到这三个国家的平均脸其实也非常的相似。那么我们在实际研究颜值这个问题的时候，我们应该怎么样去标注呢？

实际上现在能用的颜值数据集是非常少的，可以说基本上公开数据集几乎没有。

上面这张图是一个包含5500张图像，其中有 2000个亚洲女性和 2000个亚洲男性的一个数据集，是今年才刚刚整理出来的。也是现在目前可以公开获取的一个最大的数据集。它将人脸颜值分为五个等级，即从零分到五分。我们可以看到这个五分的等级，基本上对应的就是一些明星。

而实际上现在各家公司像 face++、商汤科技，或者说其他做人脸算法的小组，他们标注数据都是通过自己内部的数据集和标注人员，其实他们的审美标准也是不一样的，导致每一家出来的算法其实都有很大的区别，甚至不具备可比性。

但是为了研究人脸颜值这个问题，我们还是要给他提一些比较鲁棒的特征。人的颜值特征主要包含两块： 几何特征 和 皮肤纹理。

几何特征：所谓几何特征就是脸型。我们可以看到人脸两个眼睛的距离，脸的外轮廓的距离，左右的距离以及上下的距离，其实都能够反映这样一个脸型。

前面我们已经说过了，现在大家都比较喜欢瓜子脸的脸型，认为瓜子脸这个颜值还是比较高的，而方形脸、圆形脸这样的脸型其实是不太会被大家认为是高颜值的脸型。脸型是非常重要的一个因素。

皮肤纹理：纹理特征的话可以有LBP特征， Gabor特征等等。我们经常会在一些娱乐八卦新闻杂志上看到某某女明星过生日，她的同龄人来了多少多少女性，然后一张照片放出来，你会发现完全看不出来是同一个年龄阶段的人。

另外一个，现在的美颜算法，也就是对人脸的皮肤进行磨皮等等处理。可以看到经过美颜之后的人脸颜值瞬间提升。

所以几何特征跟皮肤特征是人类颜值最重要的两块特征。在利用传统方法做研究的时候，我们会去手动的提取这样的特征；在利用深度学习的方法来做颜值算法的时候，实际上就是利用深度学习去自动的学习到这些特征。

而每一家公司每一个人脸小组他们所做的，实际上就是标注出这样一批数据，数据量越大越好，标注的数据的偏差越小越好。

脸的颜值相对来说是一个比较简单的问题，下面我们对它的应用和难点做一个简单的介绍：

首先，在现在的主播推荐中有一定的市场。总体来说大家还是比较喜欢颜值高的主播，所以像陌陌等等这样的一些平台，会可以利用颜值算法对主播进行一些推荐。

其次，智能自拍。 selfier 就是google开发的一个APP，它会在自拍模式下自动地抓拍比较好的一个角度。

上面这个图是一个人脸颜值研究的数据集。我们可以看到不同的自拍角度其实是非常影响颜值的。

颜值算法对于智能自拍也是有一定作用。人的颜值相对来说是比较开放的问题，它没有定量的标准。所以再加上大家的审美标准不一，就是同一个人，他在标注数据的时候，它一样存在着很大的偏差，这是导致人脸颜值算法比较难以量化，甚至不同的算法之间难以进行公平比较的一个原因，也是一个比较重大的原因。但是不管怎么说，人脸颜值仍然是一项比较有趣味性的研究。