通过计算机视觉估算颜值

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/ubunfans/article/details/49765411

看脸的时代,估算颜值当然有意义啦!

今天看到一篇估算颜值的blog,看起来挺有意思的,记录下来,分享一下!哈哈哈哈
先放地址:Computer Vision for Predicting Facial Attractiveness
同时要感谢一下幕后英雄,那些收集整理并公开数据库的伟人们SCUT-FBP数据库

鄙人一点感觉:估计颜值这事儿,要融合肤色,轮廓,皮肤纹理,五官协调等才有一个准确的判断,单单一方面并不能得到准确的结果,况且每个人的审美标准都不一样。
这篇blog的技术只使用了轮廓信息,得到的结果已经比较接近ground truth了!

  1. 数据库
    数据采用的是华南理工大学人机交互只能实验室的数据库,总共500张样本,至于样本整理过程可以去看官方的参考文献。
    由于样本数量有限,采用留一交叉验证,每次拿499张训练,其余一张测试;对所有样本都这样做,总共有500个模型
  2. 特征
    这里写图片描述
    a = [18, 22, 23, 27, 37, 40, 43, 46, 28, 32, 34, 36, 5, 9, 13, 49, 55, 52, 58]

先定义一系列关键点位置,关键点是通过CLM算法求得的(现在有很多算法效果不错),
使用itertools产生四个点的子序列,然后计算两两之间的距离比值作为特征,总的特征维度为3876维。
3. 筛选特征
PCA筛选,长度自己可以指定
4. 训练
总共采用了四种算法
gaussian process
random forest
linear regression
SVM
5. 结果
测试结果和ground truth做pearson correlaion
结果如图:
这里写图片描述
让人吃惊的是SVM的结果是最差的!
颜值取值范围为1-5

作者还给了代码:face-rating

这里写图片描述
Yoona, Predicted Rating: 3.6
这里写图片描述
Yuri, Predicted Rating: 3.4
这里写图片描述
Tiffany, Predicted Rating: 3.8

没有更多推荐了,返回首页