利用深度学习预测第一印象
计算机视觉与模式识别
2017-05-12 v2
摘要
可描述的视觉面部属性现在在人类生物特征识别与情感计算中很常见，现有算法甚至已达到足够成熟的阶段，可放入商业产品中。这些算法对面部外观的客观方面建模，如头发和眼睛颜色、表情以及面部几何的某些方面。一个尚未被广泛研究的自然扩展是，对仅基于视觉判断而赋予面部的主观属性进行建模的能力。例如，仅一瞥，我们对面部的第一印象可能使我们相信一个人聪明、值得信任、甚至值得钦佩——无论这些属性背后的潜在真相如何。心理学家认为这些判断基于多种因素，如情绪状态、人格特质和其他面相线索。但此方向的工作引出了一个有趣的问题：我们如何为没有真值、只有可测量行为的问题创建模型？在本文中，我们引入了一种新的基于卷积神经网络的回归框架，允许我们训练用于社会属性分配的人群行为预测模型。在来自AFLW人脸数据库的图像上，这些模型显示出与人类人群评分的强相关性。
引用
@article{arxiv.1610.08119,
title = {Predicting First Impressions with Deep Learning},
author = {Mel McCurrie and Fernando Beletti and Lucas Parzianello and Allen Westendorp and Samuel Anthony and Walter Scheirer},
journal= {arXiv preprint arXiv:1610.08119},
year = {2017}
}