python颜值打分器--你的长相能打几分

        特此声明：本模型仅供娱乐，大家慎重使用（尤其是不要轻易给女朋友用），本编辑部对后果概不负责

        记得2019年的时候，我无意间看到了华南理工大学的颜值评估的数据集。顿时就手痒了，于是做了一个基于深度学习的颜值打分器。不过一直没什么机会用，慢慢地就把这件事忘记了。

直到后来和一个女同学聊天。

我：你长得真好看！

女：阿谀奉承，一看就是说假话。

（低情商）我：对，说的是假话，你长得真丑。

女：......

我当然没这么说，当时情况是这样的。

我：说你好看你还不信！

女：空口无凭啊，怎么证明我好看，难道你有啥量化指标！

我：噫，量化指标，我还真有......你等着

（半小时后）

女：怎么还没找到？

我：......留着青山在，不怕没柴烧，只要数据还在就可以重新写一个。

（两天后）

代码真的写出来了，而且也有训练过的模型，现在只需要输入照片（最好是证件照），就可以输出这个人的颜值。

获取代码方式：

关注“python趣味爱好者”微信公众号，回复“颜值评估”可以得到模型和代码。

项目原理：

        首先大家看一看华南理工大学的数据集，正名叫做《华南理工SCUT-FBP5500人脸美学数据集》。一共又5500张人脸照片，还有志愿者根据这些照片的美丽度（颜值）给出的分数，0分最低，5分最高。

        如果是研究深度学习的同学，现在已经明白了，我们要做的就是构建一个卷积升神经网络，最后用一个全连接层将特征压缩到一个神经元中。依次输入图片以后反馈调节模型。最终就可以训练一个可以评估人脸美丽度的模型。

        我也确实就是这么做的，模型的框架如下图所示：

        代码一共有3部分，第一是载入数据，load_img.py，然后是model.py。最后是test_score.py。

        大家如果想直接使用这个模型来测试颜值，可以将test_score.py中的image_path里面的文件名换成你想要测试的照片。

        另外，由于训练的图片全部都是证件照，所以如果想准确评估自己的颜值，也要输入证件照（不许化妆哦）。

部分代码（模型）：

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        #kernel_size表示的是卷积核大小
        #nn.Sequential是容器的意思，按顺序执行下列操作
        #nn.BatchNorm2d(64)是归一化的意思。
        self.encode1 = nn.Sequential(
            nn.Conv2d(3, 64, kernel_size=3, stride=1, padding=1),
            nn.BatchNorm2d(64),
            nn.ReLU(True),
            nn.MaxPool2d(2, 2)
        )
        self.encode2 = nn.Sequential(
            nn.Conv2d(64, 128, kernel_size=3, stride=1, padding=1),
            nn.BatchNorm2d(128),
            nn.ReLU(True),
            nn.MaxPool2d(2, 2)
        )
        self.encode3 = nn.Sequential(
            nn.Conv2d(128, 256, kernel_size=3, stride=1, padding=1),
            nn.BatchNorm2d(256),
            nn.ReLU(True),
            nn.Conv2d(256, 256, 3, 1, 1),
            nn.BatchNorm2d(256),
            nn.ReLU(True),
            nn.MaxPool2d(2, 2)
        )
        self.encode4 = nn.Sequential(
            nn.Conv2d(256, 512, kernel_size=3, stride=1, padding=1),
            nn.BatchNorm2d(512),
            nn.ReLU(True),
            nn.Conv2d(512, 512, 3, 1, 1),
            nn.BatchNorm2d(512),
            nn.ReLU(True),
            nn.MaxPool2d(2, 2)
        )
        self.encode5 = nn.Sequential(
            nn.Conv2d(512, 512, kernel_size=3, stride=1, padding=1),
            nn.BatchNorm2d(512),
            nn.ReLU(True),
            nn.MaxPool2d(2,2),
            nn.Conv2d(512, 512, 3, 1, 1),
            nn.BatchNorm2d(512),
            nn.ReLU(True),
            nn.MaxPool2d(2,2)
        )
        self.conv2_drop = nn.Dropout2d()
        self.fc1 = nn.Linear(4608, 50)
        self.fc2 = nn.Linear(50, 1)








    def forward(self, x):           # b: batch_size
        out = self.encode1(x)       # [b, 3, 224, 224]  =>  [b, 64, 112, 112]
        out = self.encode2(out)     # [b, 64, 112, 112] =>  [b, 128, 56, 56]
        out = self.encode3(out)     # [b, 128, 56, 56]  =>  [b, 256, 28, 28]
        out = self.encode4(out)     # [b, 256, 28, 28]  =>  [b, 512, 14, 14]
        out = self.encode5(out)     # [b, 512, 14, 14]  =>  [b, 512, 7, 7]
        out=out.view(-1,4608)
      
        out = F.relu(self.fc1(out))
        out = F.dropout(out, training=self.training)
        out=self.fc2(out)
        return out

测试代码

import os


import model
import torch
import torch.nn as nn
import torch.optim as optim
import numpy as np
from load_img import MyDataset
from torchvision import transforms
from torch.utils.data import DataLoader
import cv2


from torchvision import transforms


image_path='2.png'
image = cv2.imread(image_path)
img = cv2.resize(image, (224, 224))


transform = transforms.Compose([transforms.ToTensor(),
                                transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])])
#device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
device="cpu"
img = transform(img)
img=img.unsqueeze(0)
pthfile = r'model_epoch_800.pth'
net = torch.load(pthfile,map_location=torch.device('cpu'))


num=30
score1=0
for i in range(num):
    output=torch.sigmoid(net(img))
    score=5*(output.detach().numpy())
    score1=score+score1
score2=score1/30
print("满分为5分")
print("颜值分数是：",score2)

图片来源：百度图片

数据集来源：华南理工