神经网络是否能够在2018年估计人类面部吸引力？

Question

我试图了解我正在考虑的项目是否可行使用神经网络。我知道像MakeApp和FakeApp这样的应用程序，它们使用神经网络来操纵人脸。

我的问题是 - 现代（2018）神经网络能够被训练以识别人类面部吸引力的各个方面并给出百分位数吗？

例如，给定一个图像，我想知道神经网络是否认为这个图像处于前20％的面部吸引力。如果可能的话，我需要有多大的数据集来训练这样的网络？它是成千上万的人类得分图像？

Answer 1

当然可以。已经有人正在研究开发深度学习/卷积神经网络来做到这一点。下面给出了截至2018年1月的四个最新参考文献。

这样做的主要挑战是：

1. 在适当的主题批准下获取足够大的数据集（人脸图像及其各自的吸引力分数）。
2. 吸引力是主观的，因民族和文化而异。因此，这种训练数据将具有比更传统的识别任务更广泛的标签，例如物体检测（标签是二进制的），导致网络预测中的更多不确定性。因此，大多数研究都侧重于针对特定群体的培训网络。

此研究领域目前尚未大规模开发（至少在学术界），最有可能因为获取此类敏感数据和可疑用途的道德考虑因素。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，以实现自动匹配。

Xu et al。，一个新的人类面部吸引力预测器，具有级联微调深度学习模型，arXiv 2015， paper

Gan et al。，Deep self-teach learning for facial beauty prediction，Neurocomputing 2014 paper

Wang等人，有吸引力与否？：具有吸引力的美容预测 - 感知编码器和强大的后期融合，ACM国际多媒体2014年会议 paper

Shen等人，在面部吸引力评估中愚弄神经网络：具有高吸引力分数但低主观评分的对抗性实例 多媒体大数据（BigMM），2017年IEEE第三届国际会议 paper

Answer 2

我认为这可以做到。首先，您需要指定吸引力的参数。根据我所研究的内容，我知道2个直接有助于吸引力的测量仪是突出的 jawline 和颧骨。我确信还有更多可以考虑的功能。但是为了举例，我们可以考虑这两个。

但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，如获得面部边缘。

因此，初始图层将获得边缘，经过几层后，您将获得下颌线和颧骨，您可以根据您的训练集测试它们的吸引力。

我不确定如何获得训练集。但是你可以使用火种来获取图像，但是对它们进行评分会是一个问题。

好主意，我希望你能够将其用于学习目的。

干杯。!!!