神经网络是否能够在 2018 年估计人类面部吸引力?

Are neural networks capable of estimating human facial attractiveness in 2018?

我正在尝试了解我正在考虑的项目是否可行或不使用神经网络。我知道像 MakeApp 和 FakeApp 这样的应用程序使用神经网络来操纵人脸。

我的问题是 - 能否训练现代 (2018) 神经网络来识别人类面部吸引力的各个方面并给出百分位数分数?

例如,给定一张图片,我想知道神经网络是否认为这张图片在面部吸引力中排名前 20%。如果可能的话,我需要多大的数据集才能训练这样的网络?是成千上万张人工评分的图像吗?

好吧,我认为这是可以做到的。所以首先你需要指定吸引力的参数。根据我的研究,我知道直接影响吸引力的 2 个参数是突出的 jawlinecheekbones。我确信还有更多功能可以 considered.But 为了举例,让我们以这两个为例。

但是你必须使用深度神经网络。由于不同的层将有助于更简单的功能,例如获取面部的边缘。

所以最初的层会得到边缘,几层之后你会得到下巴和颧骨,你可以根据你的训练集测试它们的吸引力。

我不知道如何获取训练集。但是您可以使用 tinder 获取图像,但对它们进行评分将是一个问题。

好主意,希望您能出于学习目的实施它。

干杯.!!!

当然可以。已经有人在研究开发深度学习/卷积神经网络来做到这一点。以下是截至 2018 年 1 月的四份最新参考资料。

这样做的主要挑战是:

  1. 获得足够大的数据集(人脸图像及其各自的吸引力分数)并获得适当的主题批准。
  2. 吸引力是主观的,并且因种族和文化而异。因此,与 object 检测(其标签是二进制的)等更经典的识别任务相比,此类训练数据将具有更广泛的标签范围,从而导致网络预测的更多不确定性。出于这个原因,大多数研究都侧重于针对特定群体的培训网络。

这个研究领域目前并没有得到很大的发展(至少在学术界),这很可能是因为获取此类敏感数据和可疑用途的道德考虑。我怀疑现在像 OKCupid 和 Match.com 这样的公司正在或将要私下开发这项研究,用于自动配对。

Xu 等人,具有级联 fine-tuning 深度学习模型的新型类人面部吸引力预测器,arXiv 2015, paper

Gan 等人,面部美容预测的深度 self-taught 学习,Neurocomputing 2014 paper

Wang 等人,Attractive or Not?: Beauty Prediction with Attractiveness-Aware Encoders and Robust Late Fusion,ACM 国际多媒体会议 2014 paper

Shen 等人,面部吸引力评估中的欺骗神经网络:具有高吸引力得分但主观得分低的对抗性示例 多媒体大数据(BigMM),2017年IEEE第三届国际会议 paper