| 失效链接处理 |
|
基于卷积神经网络的人脸图像美感分类 PDF 下载
本站整理下载：
相关截图：
主要内容：
随着计算机视觉、人工智能领域飞速发展,越来
越多的学者从计算美学的角度,希望计算机能够模
拟人脑,通过可计算方法自主评价图像美学质量 [
1 ] 。
为了能够筛选出高质量图像,早期通过手动提取图
像美学特征,再利用传统分类器对图像高低美感进
行分类 [
2-5 ] 。近年来深度学习卷积神经网络在计算
机视觉领域,如物体分类、语义分割、目标检测及物
体跟踪等表现出越来越大的应用潜力 [
6 ] 。研究者们
基于图像全局 [
7-9 ] 、局部 [ 10-12 ] 、个性化查询 [ 13 ] 等方
法,使用卷积神经网络 [
14 ] 进行图像美学评价。
机器人作为人工智能与机器视觉的代表,不仅实
现智能化,同时能够对事物进行观察并作出判断 [
15 ] 。
人脸图像美学评价成为机器学习领域的研究热点之
一 [
16-20 ] 。人脸图像识别是基于人的脸部特征信息进
行身份识别的一种生物识别技术 [
21 ] ,它不仅要提取
人脸特征,还要将待识别的人脸特征与已得到的人脸
特征模板进行比较,根据相似程度对人脸的身份信息
进行判断。人脸图像美学识别是以艺术为主体,通过
识别人脸图像,使计算机模拟人脑对人脸图像美感进
行判断识别。人脸图像识别和人脸图像美学识别均
属于生物特征识别范畴,研究人脸面部图像,在图像
特征提取、图像数据集上有很多共性。但是由于美学
感知受个人主观、文化喜好等影响,因此人脸图像美
学识别在研究时需要考虑主观评价因素。目前,针对
人脸美学评价的研究,公共数据集较少, 2015 年华南
理工大学公开了专门用于人脸美丽评价的基准数据
集“ SCUT-FBP ”
[ 22 ] 。 SCUT-FBP 数据集为人脸图像
美学评价的研究作出了贡献 [
23 ] ,但该数据集数据量
小、图片背景简单、表情中性,且均为亚洲女性。由于
现实环境复杂多变,对人脸图像进行美感分类评价时
很难控制人物所在背景的单一性,同时识别的人物从
年轻到年老的情况均会出现,因此,人脸图像美感评
价分类器采用这些简单背景数据集训练会出现识别
率不高等问题。
图像感知人脸美学计算具有广泛的应用前景。
在机器视觉领域,计算机对人脸的美学评价,感知人
脸的美感,可以更好地进行人机交互。同时,在照相
机系统中,人脸图像美学评价可以帮助用户自动筛
选出满意的照片等。因此研究复杂环境背景下人脸
图像美感分类具有重要的现实意义和实用价值。本
文基于经典的 LeNet
-5 网络模型,通过改变卷积神
经网络中卷积层、全连接层,并在 FemaleFace 数据
集上进行模型训练和结果测试,确定出适合判断人
脸图像美感分类的卷积神经网络模型。
|
| Java1234官方群25： | 
|
| Java1234官方群25： | 838462530 |
苏公网安备 32061202001004号
