科学可以让童话变成现实, 还记得《白雪公主》里面的魔镜么, 利用人类科技真是可以让平民老百姓也能有一个了。 因为人类让计算机也可以自己用机器学习做判断了。

利用机器学习的常用步骤就是先让机器学习,再让机器干活。

对人脸进行打分这个事儿怎么学习, 肯定得给计算机一堆照片,告诉它每一张照片的得分是多少, 计算机学习完了, 再给它一个它没见过的照片, 让它打个分,看看学习的好不好。

学习的话可以利用一些机器学习的框架,比如 Caffe, Tensorflow, 不过这些框架安装比较费劲, 使用起来比较麻烦,运行时间也比较长。 我们试试用最基础的机器学习库来解决这个事吧。 本文涉及到的代码和文档都放在了 Github 的这个链接里了:

https://github.com/oatmeal3000/female-face-rating

首先,我们得把人脸照片中的关键信息提出来,这个信息越少越好, 这样以后计算机进行学习的时候比较省事。 对人脸来讲, 决定颜值高低的是一些关键点的位置。 这些关键点的位置在照片中就是用横纵坐标来表示。 所以我们先从网上找到一些妹子的照片,这些照片放在了 source/web_image 文件夹里,对于每张照片的评分, 放在了 data/ratings.txt 文件里。 以照片文件夹路径为参数, 我们运行 1_facial_landmarks.py 程序, 它可以把每张照片中人脸的关键点提取出来,存在一个文本文件里。 这个程序里面用到了 dlib 库的人脸识别功能, 把照片中的人脸找出来,再去找人脸中的关键点。这块有一个特别需要注意的地方, 因为我们是从一个文件夹里的 500 张照片逐个照片去找关键点的,在程序中用 listdir 函数列出这 500 张照片时, 千万要记得排序!因为 listdir 函数列出来的文件名顺序,并不是按照照片文件名中的序号顺序, 所以调用了一下 sort 函数:
list_im.sort(reverse = True, key=lambda x:int(x[8:-4]))

第二步, 我们可以从人脸的关键点里计算一下特征。 这个特征就是各个关键点之间的距离比例。 当然我们可以把任意两个人脸关键点之间的距离算一下, 再算一下这个距离与其他所有距离之间的比例。 但是人脸关键点至少有几十个, 我们怎么减少一下程序计算量。 这样我们等待的时间也可以少一点。 我们可以站在对人脸美学研究比较多的专家的肩膀上,来实现这个目的。 韩国科学家在这方面比较先进,因为它们的整容技术应用的太普遍了, 看看这篇文章 “A Novel Framework for Assessing Facial Attractiveness Based on Facial Proportions”, 它总结了几个决定人脸美丽程度的几个重要比例,我们可以拿过来用。 这几个关键点距离比例,我们把它算好后放在 data/features_ALL.txt 文本文件中。

第三步, 有了每张照片的特征和评分, 我们就可以把他们扔给计算机学习了。 我们还有个可以减少学习时间的手段可以利用,就是主成分分析 Principal Component Analysis
(PCA) 大法。 我们算出来的特征还是有点多,我们用 PCA 给它减少点, scikit-learn 中有 PCA 的库可以直接利用。 特征想要减少到多少呢, 可以利用已有的数据集实验确定一下, 或者随便给它一个差不多不太大的值先用用看。 之后我们就可以利用机器学习的模型进行训练了。 常用的模型有线性回归、逻辑回归、支持向量机、随机森林和高斯过程回归。不同的模型表现效果会不太一样,针对某个特定的问题, 你可以都实验一下,挑选一个表现最好的。 这个标准可以根据 Pearson correlation , 从你的数据集里专门拿出来一小部分做个测试,实验一下,看看这个模型的训练结果和测试数据集吻合程度高不高。 学习训练的结果就放在 model文件夹里面,后面就可以利用它进行颜值评分了。

第四步, 给程序一张它没见过的照片,让计算机自己判断吧。 我们还是要从这张照片中把人脸找出来,找到人脸中的所有关键点。利用关键点计算出我们感兴趣的特征 (记得那篇韩国论文了没有) ,把我们第三步生成的训练结果模型加载进来,利用那个训练过的模型进行预测评分吧。

以上就是一个机器学习的完整过程,具体实现请实验代码~

利用机器学习进行人脸颜值评分相关推荐

  1. 人脸颜值评分软件_在线算个颜值,特科学的那种 | 知多少

    用 AI,科学的为颜值打个分. 用 AI,打造科学颜值打分器https://www.zhihu.com/video/1185672892095848448 图文版本送给不方便打开的朋友 (●°u°●) ...

  2. 机器学习笔记 - 用于颜值评分的数据集和算法

    一.概述 评估面部美是一项具有挑战性的任务,无数哲学家.艺术家和科学家多年来一直在研究这项任务.特别是,它在计算机视觉领域引起了相当大的关注.最近的心理学研究表明,不同的人对美的感知是一致的.另一项研 ...

  3. 分类及回归问题——继续人脸颜值评分

    作为一个资深搬砖工,老子要是搞不定,老子就不做君王了.接上一篇:https://blog.csdn.net/SPESEG/article/details/103155694 先看分类问题,以别人的标签 ...

  4. 七夕H5小游戏:Face++人脸融合搭载颜值评分,看你和TA颜值配不配

      人脸融合搭载颜值评分,旷视科技七夕H5来袭   人工智能时代,AI+七夕的玩法层出不穷,趁着浓情七夕的到来,Face++最新H5小作品也终于面世啦!这一次Face++把人脸融合.颜值评分的功能结合 ...

  5. 七夕 H5小游戏,人脸融合搭载颜值评分

    七夕节因为其独特的文化属性成为各家大显神通的战场,人工智能时代,AI+七夕的玩法也越来越多.人脸融合.颜值评分这些有趣的黑科技都多少与大家见过面.但是将两个有趣的点结合到一起还是第一次. 七夕 x H ...

  6. Python爬取《创造营2020》小姐姐数据并用腾讯云人脸识别做颜值评分

    最近 创造营2020好多小姐姐吸引到我了,于是就有这这个 颜值100分的小姐姐高达21位 比如前段时间抖音很火的 凡凡 以下是代码,需要你在申请腾讯云有关参数替换哦 # -*- coding: utf ...

  7. Python爬取《创造营2020》小姐姐数据用腾讯云人脸识别做颜值评分

    最近 创造营2020好多小姐姐吸引到我了,于是就有这这个 颜值100分的小姐姐高达21位比如前段时间抖音很火的 凡凡 以下是代码,需要你在申请腾讯云有关参数替换哦 # -*- coding: utf- ...

  8. 利用微软小冰 API 接口,对大量照片进行颜值评分

    利用微软小冰 API 接口,对大量照片进行颜值评分 环境 python3 with requests.SQLAlchemy 任意 SQL 数据库 项目动机 朋友有 3000+ 张照片需要用微软小冰来评 ...

  9. php百度人脸检测api测颜值评分(源码直接可用)

    有一天无意中看到,通过百度人工智能平台中的人脸检测模块,可以实现简单的人脸检测,百度人工智能平台免费注册,人脸检测模块免费使用.相关API文档在:百度AI开放平台-全球领先的人工智能服务平台-百度AI ...

最新文章

  1. iOS开发之用到的几种锁整理
  2. python3虚拟环境搭建_python3 =虚拟环境的搭建
  3. 借款人死亡后,贷款必须由家属偿还吗?
  4. Maven--资源文件resource的问题
  5. three.js两个点给线条加宽度_2020湘乡线条立体逼真方兴装饰诚信服务
  6. kubernetes 查看pod在哪个node节点运行
  7. 360全景拼接 opencv_广州海珠区专业改全景,丰田塞纳改3D全景,360全景行车记录仪的功能...
  8. 【QT】简单易学的QT安装教程
  9. java 解析josn数组
  10. Oracle 、SqlServer 根据日期逐日、逐月递增累加、逐行累加
  11. android 置灰不可点击,Android全局实现控件变灰
  12. HTML重构:工具篇
  13. Codeforces - Qualification Rounds
  14. 啊哈添柴挑战1057向世界问好C++
  15. 用python实现相声、评书自动下载(二)
  16. 智能音箱大战全面开火,那么问题来了:如何成为一名全栈语音识别工程师?
  17. xlwt/xlrd库的区别
  18. 383计算机毕业设计
  19. Exercise14_11
  20. H5与其他平台交互框架

热门文章

  1. Centos7 unbound域名解析
  2. ifly error code 讯飞离线识别错误码
  3. 即时通讯数据库好友关系(一对多)应该怎样设计?
  4. H5 mui通过蓝牙调用打印机printUtil.js
  5. App优化(六)网络优化
  6. Flutter高仿微信-第16篇-朋友圈-发布作品(图片)
  7. PyTorch 可视化工具visdom启动过程中报错解决方法
  8. python雪峰_python雪峰python 图 自身遍历及弱引用使用
  9. fmod中音频变速的问题
  10. FLVBox--最实用的手机FLV播放器!(zeo制作)