《人臉美麗智慧型感知及其套用》是依託華南理工大學，由金連文擔任項目負責人的面上項目。
基本介紹
- 中文名：人臉美麗智慧型感知及其套用
- 項目類別：面上項目
- 項目負責人：金連文
- 依託單位：華南理工大學
項目摘要,結題摘要,
項目摘要
人臉美是人類所廣泛感知的一個概念，項目針對人臉美麗智慧型感知的科學問題，從人臉美學的特徵提取、特徵子空間流形學習、分類預測、人臉美化等四個方面來探索美麗的本質，主要研究內容包括：（1）人臉美麗的特徵提取方法的研究，基於鑑別局部對準（DLA）流形學習模型、以及基於鑑別信息保留（DIP）流形學習模型的人臉美麗子空間流形學習方法的研究；融合DLA及OSS相似性度量學習的人臉美麗度量學習方法的研究；（2）基於深度學習的人臉美麗的特徵學習及分類方法的研究，包括稀疏自編碼機（SAE）的人臉美麗特徵學習方法、基於深度卷積神經網路的人臉美麗分類與預測模型；（3）基於邊緣保持的人臉圖層分解技術、多層次自由變形技術(MFFD)、平均臉數據驅動、以及人臉紋理合成技術的人臉美化方法的研究；（4）人臉美麗智慧型感知套用系統。通過本項目研究，預期能使得計算機在某種程度上也擁有像人一樣的美麗感知智慧型。
結題摘要
從古到今人類就意識到人臉美麗吸引力的存在。由於其對人們生活的重大影響，人臉美麗吸引力的研究受到了來自哲學、生物學和認知心理學等不同領域學者的關注。儘管這些領域的研究者們對人臉美麗進行了多年的研究工作，但目前利用圖像處理、機器學習以及人工智慧等方法來進行較客觀的人臉吸引力預測的研究並不深入。傳統機器學習方法下的人臉美麗預測多依賴於幾何特徵或表觀特徵，其對人臉五官比例或紋理的不同側重容易導致人臉美麗信息的丟失。作為機器學習領域中一個新的研究方向，深度學習可以在數據驅動的模式下自動學習數據特徵，其多層次的組織結構能得到對數據更具表征性的高層抽象。 深度學習在圖像分類和語音識別領域取得了突破性進展，但目前基於深度學習方法的人臉美麗預測研究還不是很多。本課題通過深度學習方法來探究如何更好地預測人臉美麗吸引力。完成的主要研究工作包括： (1)構建了一個專用於人臉美麗評價的資料庫，該資料庫可公開下載並提供基準測試。該資料庫收集了5500張不同美麗等級的高解析度人臉，邀請70餘名志願者對相片進行美麗等級的評價，並對採集到的統計信息從分數分布、標準差、自一致性和時間相關一致性等四個方面進行驗證，以保證數據的可靠性。 (2) 研究並提出了多種定量描述人臉美麗的特徵。 (3) 將深度學習方法中的多層感知器、卷積神經網路等網路結構套用到人臉美麗吸引力的自動預測，研究了多個在圖像輸入質量、卷積核大小和網路深度上各自不同的卷積神經網模型。提出了MC-CNN等端到端人臉美麗評價模型。結合認知心理學和卷積神經網路設計了兩種人臉美麗吸引力預測模型。是一個端到端的人臉吸引力預測模型。 (4).提出和構建了一種區域感知蒙板的新型方法。這種“區域感知蒙板”不僅能自動地實現皮膚區域選擇與自動設定非均勻的局部編輯程度，而且能準確地擬合複雜的區域邊界與產生自然的區域過渡。在此基礎上，構建出自適應人臉皮膚美化技術框架，同時實現對人臉圖像的亮度、光滑度和顏色三種重要皮膚屬性的自動美化。 (5). 構建了兩個套用演示系統。
