你颜值几分?【华南理工SCUT-FBP5500人脸美学数据集】

点击上方“机器学习与生成对抗网络”,关注星标

获取有趣、好玩的前沿干货!

作者:知乎—人工智能小班长

地址:https://www.zhihu.com/people/ren-gong-zhi-neng-xiao-ban-chang-78

SCUT-FBP5500: A Diverse Benchmark Dataset for Multi-Paradigm Facial Beauty Prediction 论文解读

arxiv:https://arxiv.org/abs/1801.06345

github:https://github.com/HCIILAB/SCUT-FBP5500-Database-Release

01

主要贡献

  • 提出一种新的多元化基准数据集 SCUT-FBP5500,来实现多范式颜值预测。

  • 该数据集共有 5500 个人脸正面照片,这些照片具备不同属性(男性/女性,年龄等)和不同标签(面部地标、颜值得分(1~5)、颜值得分分布)

  • 使用不同的特征和预测器组合、不同的深度学习方法评估 SCUT-FBP5500 数据集


02

相关工作


03

具体信息

  • 5500张分辨率350*350彩色正面人脸,其中2000张亚洲男性,2000张亚洲女性,750张高加索男性,750张高加索女性

  • 每张人脸标记有86个特征点,先用ASM模型给出68个特征点,再由志愿者手动调整并添加至86个

  • 调查方法:

  • 60名18-27岁(平均21.6岁)的志愿者

  • 给随机展示的人脸照片打分(1-5分,越高越好看)

  • 展示的照片中有10%会出现两次

  • 如果某张照片的两次打分结果相关系数小于0.7,则需要第三次打分

  • 最终得分为所有打分的平均分

  • 分数分布,大致服从正态分布(黄色线)

  • 标准差,都在0.6-0.7之间,亦即分数误差约为   

  • 打分者之间的相关系数,其中对亚洲人种打分之间的相关系数比高加索人要高,符合人们更喜欢亚洲人的脸的这一心理研究结果


04

基准测试

4.1、传统算法(人工标注特征)

4.1.1、几何特征

以ASM-68模型提取的特征点为基准,定义18个距离特征

将上图中的18个距离特征组成一个18维向量作为输入,分别用线性回归、高斯过程回归、支持向量机三种方式来进行测试,采用10折交叉验证的方式进行训练, 测试效果用PC(皮尔逊相关系数)、MAE(平均绝对误差)和RMSE(均方根误差)来表示,结果如下图

其中可以看到,线性回归的效果要略差于高斯过程回归和SVM,后两者相差无几,但0.67的相关系数还不够好

4.1.2、表观特征

使用包含5个尺度、8个方向的Gabor滤波器对图片进行滤波,得到40张特征图,使用两种采样方式来对这40张特征图进行采样:

  • 对86个特征点进行采样,组合成$86*40=3440$维向量(文中3340应为笔误)

  • 按64UniSample的方式进行采样(详见下图右),组合成$64*40=2560$维向量

采样完成后使用主成分分析法来对输入向量进行降维,同样采用10折交叉验证的方法来进行训练,结果如下图现实:

4.2、深度学习算法

使用AlexNet、ResNet-18和ResNet-50三种CNN来进行测试,均采用经过ImageNet预训练后的权重,其中AlexNet在最后添加两层卷积层来进行预测,ResNet则在最后加全连接层来进行预测,详情见此(https://github.com/HCIILAB/SCUT-FBP5500-Database-Release/blob/master/trained_models_for_pytorch/Nets.py)

训练方法采用5折交叉验证和60%训练-40%测试的方式拆分数据集,结果如下:

可以看出,使用5折交叉验证的方式结果比拆分数据集的方式要好,其中一个原因可能是训练数量,5折交叉验证使用了80%的数据来进行训练,比60%有更多的数量和多样性

05

总结

  • 该数据集相较以前的数据集有更清晰的分类,更丰富的人脸库,还提供了特征点标注信息,使用者可以自由选择自己喜欢的学习模型来进行训练,避免了以前一个数据库只能用一种方式训练的尴尬情况;

  • 由于时间的关系,文章作者只测试了最基本的三种CNN,后续可以尝试更多的颜值检测算法在该数据集上

  • 但该数据集没有有色人种,可能存在伦理问题

本文目的在于学术交流,并不代表本公众号赞同其观点或对其内容真实性负责,版权归原作者所有,如有侵权请告知删除。

猜您喜欢:

超100篇!CVPR 2020最全GAN论文梳理汇总!

附下载 | 《Python进阶》中文版

附下载 | 经典《Think Python》中文版

附下载 | 《Pytorch模型训练实用教程》

附下载 | 最新2020李沐《动手学深度学习》

附下载 | 《可解释的机器学习》中文版

附下载 |《TensorFlow 2.0 深度学习算法实战》

附下载 | 超100篇!CVPR 2020最全GAN论文梳理汇总!

附下载 |《计算机视觉中的数学方法》分享

  • 2
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值