上传者: 42125826
|
上传时间: 2022-02-03 22:18:42
|
文件大小: 8.4MB
|
文件类型: -
美容预测
本文[1]和[2]中介绍的基于SCUT-FBP5500数据集的深度学习方法进行的面部美容预测已在本项目中部分实施。
SCUT-FBP5500数据集共有5500张正面面Kong,这些面Kong具有不同的属性(男性/女性,亚洲人/白种人,年龄)和不同的标签(面部标志,[1,5]内的美女分数,美女分数分布),从而允许使用不同的计算模型具有不同的FBP范例。
此外,在数据集上评估了三个最近提出的具有不同FBP结构的CNN模型,包括AlexNet,ResNet-18和ResNeXt-50,它们通过使用ImageNet数据集上预先训练的网络初始化权重来进行训练。
结果表明,最深的基于CNN的ResNeXt-50模型获得了最佳性能。 为0.8997。
第二篇论文将面部吸引力计算重塑为标签分布学习问题,并提出了端到端吸引力学习框架。 在标准基准SCUT-FBP数据集上进行了广泛的实验,与