本文關(guān)鍵詞： 人臉美麗預(yù)測(cè) 卷積神經(jīng)網(wǎng)絡(luò)(CNN) 雙激活層 Cost-sensitive Softmax-MSE 深度特征融合　出處：《五邑大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：人臉美麗預(yù)測(cè)作為人工智能的重要研究課題,既有潛在的應(yīng)用價(jià)值,又具有很大挑戰(zhàn)性。其在娛樂(lè)、美容、虛擬媒體等商業(yè)領(lǐng)域具有較大需求,但又面臨著諸多難題,如人臉美麗數(shù)據(jù)庫(kù)規(guī)模小、分類難度大、深度特征研究不足等。為此,本文構(gòu)建了包含2萬(wàn)張5分類的大規(guī)模人臉美麗數(shù)據(jù)庫(kù)(Large Scale Asian Female Beauty Database,LSAFBD),為人臉美麗預(yù)測(cè)相關(guān)算法的評(píng)估與改進(jìn)提供更優(yōu)的驗(yàn)證平臺(tái)。以LSAFBD為基準(zhǔn)測(cè)試數(shù)據(jù)庫(kù),本文的研究工作主要包括以下內(nèi)容:(1)傳統(tǒng)人臉美麗預(yù)測(cè)的探討。傳統(tǒng)人臉美麗預(yù)測(cè)方法是早期研究所采用的方法,目前,已經(jīng)獲得較多的科研成果。本文以局部二元模式(Local Binary Pattern,LBP)和局部相位量化(Local Phase Quantization,LPQ)紋理特征提取方法為研究起點(diǎn),采用支持向量機(jī)(Support Vector Machines,SVM)方法實(shí)現(xiàn)分類。隨后,引入Raw Pixel特征和淺層特征K-means提取作為對(duì)比。實(shí)驗(yàn)結(jié)果表明,淺層特征取得更佳的預(yù)測(cè)結(jié)果。通過(guò)結(jié)果分析還得出圖像的細(xì)節(jié)信息對(duì)人臉美麗預(yù)測(cè)起到重要作用。因此,對(duì)傳統(tǒng)人臉美麗預(yù)測(cè)方法的回顧與實(shí)驗(yàn)重現(xiàn)將為后續(xù)算法的改進(jìn)提供方向指引。(2)基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)的人臉美麗預(yù)測(cè)研究。CNN在圖像識(shí)別領(lǐng)域具有較大優(yōu)勢(shì),其End-to-end的學(xué)習(xí)能力在圖像特征提取方面發(fā)揮重要作用,所以,CNN相關(guān)的方法得到廣泛的研究。本文從CNN的原理研究出發(fā),初步設(shè)計(jì)出適用于人臉美麗預(yù)測(cè)的深層CNN網(wǎng)絡(luò)Proposed Net。實(shí)驗(yàn)結(jié)果表明,Proposed Net在多種CNN模型中取得了較好的預(yù)測(cè)結(jié)果,在回歸預(yù)測(cè)中僅低于Net B,在分類預(yù)測(cè)中取得最優(yōu)的結(jié)果。通過(guò)CNN與傳統(tǒng)方法的人臉美麗預(yù)測(cè)結(jié)果對(duì)比得出,CNN方法在各種數(shù)據(jù)集及回歸或分類預(yù)測(cè)中均具有優(yōu)勢(shì)。(3)CNN模型的改進(jìn)方法。首先,提出雙激活層優(yōu)化Proposed Net的結(jié)構(gòu);其次,提出一種Cost-sensitive的損失函數(shù)Softmax-MSE,抑制CNN模型在小數(shù)據(jù)庫(kù)中訓(xùn)練過(guò)擬合的問(wèn)題;最后,提出深度特征融合的訓(xùn)練方法,利用CNN的遷移學(xué)習(xí)能力,采用大規(guī)模人臉庫(kù)來(lái)解決訓(xùn)練數(shù)據(jù)不足的問(wèn)題,通過(guò)深度特征融合進(jìn)一步提高預(yù)測(cè)的準(zhǔn)確性,增強(qiáng)模型的自學(xué)習(xí)能力。實(shí)驗(yàn)結(jié)果表明,本文所提的方法給Proposed Net帶來(lái)較大提升,分類準(zhǔn)確率為64.8%,高于Net B的61.7%;回歸相關(guān)度為0.882,高于Net B的0.858。實(shí)驗(yàn)結(jié)果分析還得出,圖像的彩色特征在人臉美麗預(yù)測(cè)中表現(xiàn)出更好性能。(4)實(shí)時(shí)人臉美麗預(yù)測(cè)系統(tǒng)的設(shè)計(jì)。利用Caffe、Opencv、Dlib等開源庫(kù),結(jié)合本文所提方法訓(xùn)練的預(yù)測(cè)模型設(shè)計(jì)出一款多功能的實(shí)時(shí)人臉美麗預(yù)測(cè)系統(tǒng)。該系統(tǒng)既可預(yù)測(cè)人臉美麗值,也可用于性別分類。系統(tǒng)采用多重預(yù)處理方法來(lái)過(guò)濾不合格的人臉,并引入性別分類器和單性別人臉美麗預(yù)測(cè)模型來(lái)提高系統(tǒng)預(yù)測(cè)準(zhǔn)確性。實(shí)驗(yàn)結(jié)果表明,該系統(tǒng)取得較理想的實(shí)時(shí)性,并在性別分類和人臉美麗預(yù)測(cè)方面均表現(xiàn)出較強(qiáng)的魯棒性。通過(guò)本次系統(tǒng)的設(shè)計(jì)及實(shí)驗(yàn)結(jié)果的分析,為更高級(jí)的人臉美麗預(yù)測(cè)系統(tǒng)的推廣及應(yīng)用提供更完善的理論支撐。
[Abstract]:In this paper , we construct a large scale Asian Female Beauty Database ( LSAFBD ) , which can be used in entertainment , beauty and virtual media . ( 2 ) Based on Convolutional Neural Network ( CNN ) , CNN plays an important role in the field of image recognition . ( 4 ) The design of the real - time human face beauty prediction system . A multifunctional real - time human face beauty prediction system is designed by using the open source library , such as the Eencv , Dlib , etc . The system can not only predict the face beauty value , but also can be used for the sex classification . The system uses multiple preprocessing methods to filter unqualified faces , and introduces a gender classifier and a single person ' s face beauty prediction model to improve the system prediction accuracy . The experimental results show that the system achieves better real - time performance , and provides more perfect theoretical support for the popularization and application of the more advanced face beauty prediction system through the analysis of the design and experimental results of the system .

【學(xué)位授予單位】：五邑大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 GAN Junying;ZHAI Yikui;WANG Bin;;Unconstrained Facial Beauty Prediction Based on Multi-scale K-Means[J];Chinese Journal of Electronics;2017年03期

2 袁慧娟,張智勇;招聘情境下內(nèi)隱化相貌偏見的表達(dá)[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年02期

相關(guān)博士學(xué)位論文 前1條

1 毛慧蕓;人臉美麗吸引力的特征分析與機(jī)器學(xué)習(xí)[D];華南理工大學(xué);2011年

相關(guān)碩士學(xué)位論文 前3條

1 戴禮青;人臉的幾何特征分析與美麗分?jǐn)?shù)計(jì)算[D];南京理工大學(xué);2014年

2 陳伊力;基于數(shù)據(jù)驅(qū)動(dòng)的人臉美化[D];華南理工大學(xué);2012年

3 王敏;人臉美麗分類算法研究[D];西安電子科技大學(xué);2012年

，

本文編號(hào)：1494937