基于轻量级卷积神经网络的人脸美丽预测

• 作者: 姜开永 甘俊英 翟懿奎 黄聿
• 来源期刊: 五邑大学学报（自然科学版）
• 学科: 工学
• 关键词: 人脸美丽预测 卷积神经网络(CNN) 轻量级 微调
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 信息工程
• 页码范围: 42-48
• 页数: 7页
• 分类号: TP391.4
• 字数: 4064字
• 语种: 中文

摘要

针对目前人脸美丽预测算法难于同时满足实时性、鲁棒性、准确性的现状,本文提出一种轻量级的卷积神经网络(Convolutional Neural Network,CNN).首先,利用图像预处理来提高模型的鲁棒性.其次,通过减少网络层数和减小输入图像尺寸来提高模型的实时性,并通过优化网络结构和增加卷积核数来增强模型的学习能力.最后,提出大规模数据微调训练方法来进一步提高模型的预测准确性.实验结果表明,本文方法在SCUT-FBP数据库中获得0.8876的相关度,对单张144×144的输入图像预测时间为185.8 ms.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	甘俊英	五邑大学信息工程学院	82	871	14.0	26.0
2	翟懿奎	五邑大学信息工程学院	25	110	7.0	9.0
3	姜开永	五邑大学信息工程学院	4	4	1.0	1.0
4	黄聿	五邑大学信息工程学院	3	4	1.0	1.0