本文轉(zhuǎn)載至知乎ID:Charles(白露未晞)知乎個(gè)人專欄
本文轉(zhuǎn)載至知乎ID:Charles(白露未晞)知乎個(gè)人專欄
下載W3Cschool手機(jī)App,0基礎(chǔ)隨時(shí)隨地學(xué)編程>>戳此了解
導(dǎo)語
下載W3Cschool手機(jī)App,0基礎(chǔ)隨時(shí)隨地學(xué)編程>>戳此了解
利用Python對(duì)照片中人臉進(jìn)行顏值預(yù)測(cè)?。。?/p>
至于結(jié)果的可靠性.......
本人概不負(fù)責(zé)?。?!
對(duì)結(jié)果不滿意或者因?yàn)榻Y(jié)果分?jǐn)?shù)過低而想不開者,請(qǐng)自行聯(lián)系xxxPh.D.。也就是此顏值預(yù)測(cè)算法的提出者!?。”救酥皇遣糠謴?fù)現(xiàn)了他的算法?。?!
以上和以下內(nèi)容純屬玩笑,如有雷同,不甚榮幸。
相關(guān)文件
網(wǎng)盤下載鏈接: https://pan.baidu.com/s/1E_fc7PNaBHfMXNz3xLb12A
密碼: 7nhm
所需工具
Python版本:3.5.4(64bit)
相關(guān)模塊:
opencv_python模塊、sklearn模塊、numpy模塊、dlib模塊以及一些Python自帶的模塊。
環(huán)境搭建
(1)安裝相應(yīng)版本的Python并添加到環(huán)境變量中;
(2)pip安裝相關(guān)模塊中提到的模塊。
例如:
若pip安裝報(bào)錯(cuò),請(qǐng)自行到:
http://www.lfd.uci.edu/~gohlke/pythonlibs/
下載pip安裝報(bào)錯(cuò)模塊的whl文件,并使用:
pip install whl文件路徑+whl文件名安裝。
例如:
(本人已在相關(guān)文件中提供了編譯好的用于dlib庫安裝的whl文件——>因?yàn)檫@個(gè)庫最不好裝)
參考文獻(xiàn)鏈接
【1】xxxPh.D.的博客
http://www.learnopencv.com/computer-vision-for-predicting-facial-attractiveness/
【2】華南理工大學(xué)某實(shí)驗(yàn)室
http://www.hcii-lab.net/data/SCUT-FBP/EN/introduce.html
主要思路
(1)模型訓(xùn)練
用了PCA算法對(duì)特征進(jìn)行了壓縮降維;
然后用隨機(jī)森林訓(xùn)練模型。
數(shù)據(jù)源于網(wǎng)絡(luò),據(jù)說數(shù)據(jù)“發(fā)源地”就是華南理工大學(xué)某實(shí)驗(yàn)室,因此我在參考文獻(xiàn)上才加上了這個(gè)實(shí)驗(yàn)室的鏈接。
(2)提取人臉關(guān)鍵點(diǎn)
主要使用了dlib庫。
使用官方提供的模型構(gòu)建特征提取器。
(3)特征生成
完全參考了xxxPh.D.的博客。
(4)顏值預(yù)測(cè)
利用之前的數(shù)據(jù)和模型進(jìn)行顏值預(yù)測(cè)。
使用方式
有特殊疾病者請(qǐng)慎重嘗試預(yù)測(cè)自己的顏值,本人不對(duì)顏值預(yù)測(cè)的結(jié)果和帶來的所有負(fù)面影響負(fù)責(zé)?。?!
言歸正傳。
環(huán)境搭建完成后,解壓相關(guān)文件中的Face_Value.rar文件,cmd窗口切換到解壓后的*.py文件所在目錄。
例如:
打開test_img文件夾,將需要預(yù)測(cè)顏值的照片放入并重命名為test.jpg。
例如:
若嫌麻煩或者有其他需求,請(qǐng)自行修改:
getLandmarks.py文件中第13行。
最后依次運(yùn)行:
train_model.py(想直接用我模型的請(qǐng)忽略此步)
getLandmarks.py
getFeatures.py
Predict.py
使用演示