融合主观性与共识性信息的人脸吸引力预测

• 作者: 李金蔓 汪剑鸣 金光浩
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 特征融合 个性化预测 人脸吸引力 共识性信息 主观性信息 Pearson相关系数
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 224-229
• 页数: 6页
• 分类号: TP391
• 字数: 4952字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0051535

摘要

为对特定对象的个性化审美偏好进行预测,将机器学习与深度学习相结合,提出融合共识性与主观性偏好信息的个性化人脸吸引力评估方法.从数据集中收集群体评分形成共识性信息,构建个人评分预测模型以反映主观性信息.结合这2种信息并发挥共识性信息的普遍性优势以及主观性信息的独特性,从而构建个性化人脸吸引力预测模型.在公开的SCUT-FBP和FaceScrub数据集上进行实验,结果表明,该方法的Pearson相关系数高达0.90,残差值低至0.25.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汪剑鸣	天津工业大学计算机科学与技术学院	49	296	10.0	15.0
2	金光浩	天津工业大学计算机科学与技术学院	8	8	2.0	2.0
3	李金蔓	天津工业大学电子与信息工程学院	2	3	1.0	1.0