佛山公众平台网站推广多少钱,维护网站要做哪些工作,网络广告的收费模式有哪些,网站怎么查哪家公司做的「魔镜魔镜告诉我#xff0c;谁是世界上最美的女人#xff1f;」这句伴随童年的话也有现实版哦#xff5e;神经网络可以预测人脸颜值#xff0c;这方面也出现了不少研究。今年年初华南理工大学的研究者发布论文#xff0c;并公开了数据集 SCUT-FBP5500。本文作者 Dima Shu… 「魔镜魔镜告诉我谁是世界上最美的女人」这句伴随童年的话也有现实版哦神经网络可以预测人脸颜值这方面也出现了不少研究。今年年初华南理工大学的研究者发布论文并公开了数据集 SCUT-FBP5500。本文作者 Dima Shulga「复现」了该论文并用自己的照片做了试验。数月前华南理工大学发布了关于「颜值预测」的论文和数据集数据集包括 5500 人每人按颜值魅力打分分值在 1 到 5 分之间。论文地址https://arxiv.org/abs/1801.06345数据集地址https://github.com/HCIILAB/SCUT-FBP5500-Database-Release数据集中还有很多名人。Julia Robert 的这张照片得到了 3.78 的平均分以色列名模 Bar Refaeli 这张照片得分 3.7似乎分也不高嘛但是 3.7 的得分意味着比数据集中大约 80% 的人要好看。数据集作者利用该数据集训练多个模型尝试根据人脸照片预测这个人的魅力。本文我将复现他们的结果还要看一下我的吸引力怎么样原始论文实现了很多不同模型包括具备人工制作特征的经典 ML 模型和 3 个深度学习模型AlexNet、ResNet18、ResNext50。我想尽可能简单地呈现不想从头实现和训练整个 resnet 网络于是打算通过精调现有模型来执行该工作。keras 中有一个模块叫做 applications包含不同预训练模型。其中一个是 resnet50。不幸的是keras.applications 中没有 ResNet18、ResNext50因此我无法完全复现该研究不过使用 resnet50 复现程度应该很接近。from keras.applications import ResNet50ResNet 是微软开发的深度卷积神经网络曾赢得 2015 ImageNet 竞赛冠军。我们在 keras 中初始化 resnet50 模型时使用 ResNet50 架构创建了一个模型同时下载了在 ImageNet 数据集上训练好的权重。论文作者没有提到他们训练模型的具体细节因此我尽力去做。我想移除最后一层softmax 层添加一个没有激活函数的 Dense 层来执行回归。resnet ResNet50(include_topFalse, pooling’avg’)model Sequential()model.add(resnet)model.add(Dense(1))model.layers[0].trainable Falseprint model.summary()# Output: Layer (type) Output Shape Param # resnet50 (Model) (None, 2048) 23587712 _________________________________________________________________ dense_1 (Dense) (None, 1) 2049 Total params: 23,589,761 Trainable params: 23,536,641 Non-trainable params: 53,120你可以看到我先使第一层resnet 模型不可训练这样我只需要训练 2049 个参数而不是 23,589,761 个。我计划训练最后的 Dense 层然后使用较小的学习率训练整个网络。model.compile(lossmean_squared_error, optimizerAdam())model.fit(batch_size32, xtrain_X, ytrain_Y, epochs30)之后我改变第一层的状态使之可训练编译并拟合模型来进行另外 30 个 epoch。这里train_X 是照片即 numpy 形态数组 (350, 350, 3)train_Y 是标注图像的得分。结果该论文使用 2 种技术训练模型5-fold 交叉验证、60%-40% 的训练集-测试集分割。论文作者使用皮尔逊相关系数PC、平均绝对误差MAE和均方根差RMSE对结果进行衡量。5-fold 交叉验证的结果如下60%-40% 的训练集-测试集分割结果如下我将使用 80%-20% 的训练集-测试集分割类似执行他们的交叉验证的 1-fold。结果如下RMSE: 0.301799791952313 MAE: 0.2333630505619627 PC: 0.9012570266136678相当不错。此外查看分数散点图和直方图很方便原始分数分布正态预测分数分布正态结果看起来不错。现在我们来看下这个深度神经网络给我打几分吧。我一开始用了这张照片得分 2.85我只比该数据集中 52% 的人好看……不得不说有点失望我原本以为结果比这好于是我决定再试试。我拍了很多照片最终有一张得了 3.15 分这意味着我比该数据集中 64% 的人更好看好多了老实讲我还是想得更高分 :)最后说明一下我使用 Google Colaboratory 构建和调整模型它提供 Python notebook可以免费使用 GPU论文SCUT-FBP5500: A Diverse Benchmark Dataset for Multi-Paradigm Facial Beauty Prediction论文链接https://arxiv.org/abs/1801.06345编译机器之心参与路、刘晓坤
