深度自编码器用于人脸美丽吸引力预测的研究  

A Study of Facial Beauty Attractiveness Prediction Based on the Deep Autoencoder

作　　者：李远豪[1] 甘俊英[1] 

机构地区：[1]五邑大学信息工程学院,广东江门529020

出　　处：《五邑大学学报（自然科学版）》2014年第4期49-54,共6页Journal of Wuyi University(Natural Science Edition)

基　　金：国家自然科学基金资助项目(61072127;61372193;61070167);广东省自然科学基金资助项目(S2013010013311;10152902001000002;S2011010001085;S2011040004211);广东省高等学校高层次人才项目(粤教师函[2010]79号)

摘　　要：为了挖掘人脸美丽的内在本质,本文提出了基于深度自编码器的人脸美丽吸引力预测模型:首先利用大量无标签人脸图像数据对深度自编码器进行预训练,然后结合Polak-RibierePolyak共轭梯度反向传播算法对深度自编码器的权值进行微调,从而建立深度自编码器的人脸美丽特征提取模型.最后经过支持向量机(SVM)分类器对人脸图像进行美丽预测.实验结果显示SVM分类器预测的平均识别率为77.3%,表明深度自编码器用于人脸美丽吸引力预测是有效的.To explore the inner essence of facial beauty, this paper proposes a facial beauty attractiveness prediction model based on Deep Autoencoder. This study pretrains the Deep Autoencoder with a great deal of unlabeled facial image data, then fine-tunes the Deep Autoencoder with some labeled facial image data in the light of the Polak Ribiere Polyak Conjugate Gradient Backpropagation, builds up a facial feature extraction model for the Deep Autoencoder, and finally predicts the beauty attractiveness of human facial images with a SVM classifier. Experimental results show that the average recognition rate of the SVM classifier is 77.3%, indicating that the Deep Autoenceder is effective for predicting human facial attractiveness.

关 键 词：人脸美丽吸引力 预测模型 深度自编码器 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]