基于深度学习的人脸颜值评估系统
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

国家自然科学基金面上项目(62076103);广州市重点领域研发计划(202007030005)


Facial Attractiveness Evaluation System Based on Deep Learning
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对人脸颜值评估系统正确率和实时性低的问题,提出了一种基于深度学习的人脸颜值评估系统.该系统利用基于HOG特征的方法进行人脸检测,采用FaceNet预训练模型提取人脸特征值,提出基于Softmax分类层和ReLU回归层的双层决策模型,并结合人脸局部特征量化值进行人脸颜值评估.在SCUT-FBP5500数据集上进行实验,结果表明该系统正确率为78.58%,单张图片的平均评估时间为2.98 s,能满足实际应用的需求.

    Abstract:

    To address the problem of low accuracy and poor real-time performance of the facial attractiveness evaluation system, we propose a new facial attractiveness evaluation system based on deep learning. In this system, the HOG feature-based method and the FaceNet pre-training model are used for face detection and facial feature extraction respectively. Furthermore, a two-layer decision model based on the Softmax classification layer and ReLU regression layer is proposed, which is combined with the quantized values of local facial features to evaluate the facial attractiveness. Experimental results on the SCUT-FBP5500 dataset show that the accuracy of the system is 78.58%, and the average evaluation time of a single image is 2.98 seconds, which can meet the needs of practical applications.

    参考文献
    相似文献
    引证文献
引用本文

王冰冰,麦成源,庄杰颖,潘家辉,梁艳.基于深度学习的人脸颜值评估系统.计算机系统应用,2022,31(1):99-104

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2021-03-29
  • 最后修改日期:2021-04-29
  • 录用日期:
  • 在线发布日期: 2021-12-17
  • 出版日期:
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号