一种基于级联微调深度学习模型的新人类型面部吸引力预测器
计算机视觉与模式识别
2015-11-10 v1
摘要
本文提出一种深度学习方法以解决具有挑战性的面部吸引力预测问题。该方法使用一种新的深度级联微调方案，结合多种人脸输入通道（如原始RGB人脸图像、细节层图像和光照层图像），构建了一个面部美感预测的卷积神经网络。通过精心设计的具有深层结构、大输入尺寸和小卷积核的CNN模型，我们实现了0.88的高预测相关性。该结果使我们确信面部吸引力预测问题可通过深度学习解决，并且它显示了面部平滑度、亮度和色彩信息在面部美感感知中的重要作用，这与近期心理学研究结果一致。此外，我们通过可视化CNN隐藏层分析了其学习到的高层特征，并观察到了一些有趣现象。研究发现，面部特征的轮廓与外观，尤其是眼睛和嘴巴，是面部吸引力预测中最显著的面部属性，这也与人类视觉感知直觉一致。
引用
@article{arxiv.1511.02465,
title = {A new humanlike facial attractiveness predictor with cascaded fine-tuning deep learning model},
author = {Jie Xu and Lianwen Jin and Lingyu Liang and Ziyong Feng and Duorui Xie},
journal= {arXiv preprint arXiv:1511.02465},
year = {2015}
}
备注
5 pages, 3 figures, 5 tables