基于深度学习的人脸美丽预测模型及其应用

• 作者: 姜开永 甘俊英 谭海英
• 来源期刊: 五邑大学学报（自然科学版）
• 学科: 工学
• 关键词: 深度卷积神经网络 人脸美丽预测 深度可分离卷积层 图像多尺度
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 信息工程
• 页码范围: 45-52
• 页数: 8页
• 分类号: TP391.4
• 字数: 3331字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-7302.2018.02.008

摘要

为了进一步提高人脸美丽预测精度,本文构建了一个多尺度图像输入的人脸美丽预测深度卷积神经网络模型(Deep Convolution Neural Network,DCNN),以增强对人脸图像空间结构特征的提取能力.采用深度可分离卷积层代替普通卷积层、Max-Feature-Max(MFM)激活函数代替修正线性单元(Rectified Linear Unit,ReLU)激活函数,可减少网络训练参数并提取具有竞争性的网络特征.基于大规模亚洲女性人脸美丽数据库(Large Scale Asian Female Beauty Database,LSAFBD)的实验结果表明,本文所构建的人脸美丽预测模型取得了59.75％的正确分类率,优于现有DCNN模型的分类结果.

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	谭海英	五邑大学信息工程学院	4	3	1.0	1.0
3	姜开永	五邑大学信息工程学院	4	4	1.0	1.0