机器学习 识别背向人物_机器学习框架ML.NET学习笔记【7】人物图片颜值判断

一、概述

 这次要解决的问题是输入一张照片，输出人物的颜值数据。

学习样本来源于华南理工大学发布的SCUT-FBP5500数据集，数据集包括 5500 人，每人按颜值魅力打分，分值在 1 到 5 分之间。其中包括男性、女性、中国人、外国人四个分类。

SCUT-FBP5500_full.csv文件标记了每个图片人物的颜值打分数据。(我把分值一项乘以了20，变成了满分100分，不影响计算结果)

整个程序处理流程和前一篇图片分类的基本一致，唯一的区别，分类用的是多元分类算法，这次采用的是回归算法。

二、源码

 下面是全部代码：

三、分析

1、数据处理通道

 LoadImages、ResizeImages、ExtractPixels：上篇文章机器学习框架ML.NET学习笔记【6】TensorFlow图片分类都已经介绍过了；

ScoreTensorFlowModel方法把图片像素值转换为图片特征数据，并存储在softmax2_pre_activation列，Label列保存的是颜值数据，通过回归算法形成模型，当输入新的特征数据时就可以得出对应的颜值数据。

算法采用的是：L-BFGS Poisson Regression (拟牛顿法泊松回归)

2、预测结果

 在网上找了一些大头照，通过程序进行预测，右侧是预测结果：

预测结果虽然和我认为的不完全一致，但总体上可以接受，大方向没什么问题，存在偏差主要有以下几个因素：

1、学习样本的客观性存疑，其打分数据可能是分配给多人打分后汇总的，每个人标准不一致；

2、被检测图片不是很规范，如尺寸、比例、背景、使用美颜软件等；

3、颜值本身就不具备客观性，不存在标准答案，如果我说林心如比如花漂亮，大家肯定都同意，但我如果说古力娜扎比迪丽热巴漂亮，肯定有人不赞成。

四、资源获取 

源码下载地址：https://github.com/seabluescn/Study_ML.NET

工程名称：TensorFlow_FaceValueDetection

资源获取：https://gitee.com/seabluescn/ML_Assets (SCUT-FBP5500)

相关文章：

• 机器学习框架ML.NET学习笔记【1】基本概念

• 机器学习框架ML.NET学习笔记【2】入门之二元分类

• ML.NET 示例：二元分类之用户评论的情绪分析

• ML.NET 示例：基于二元分类和现有PCA变换数据集的信用卡欺诈识别

• 为什么最新版ML.NET对.NET机器学习社区如此重要？

• 机器学习框架ML.NET学习笔记【3】文本特征分析

• 机器学习框架ML.NET学习笔记【4】多元分类之手写数字识别

• 机器学习框架ML.NET学习笔记【5】多元分类之手写数字识别(续)

• 机器学习框架ML.NET学习笔记【6】TensorFlow图片分类