一個通過ML.NET實作人臉顔值檢測的程式。
一、概述
這次要解決的問題是輸入一張照片，輸出人物的顔值資料。
學習樣本來源于華南理工大學釋出的SCUT-FBP5500資料集，資料集包括 5500 人，每人按顔值魅力打分，分值在 1 到 5 分之間。其中包括男性、女性、中國人、外國人四個分類。
SCUT-FBP5500_full.csv檔案标記了每個圖檔人物的顔值打分資料。（我把分值一項乘以了20，變成了滿分100分，不影響計算結果）
整個程式處理流程和前一篇圖檔分類的基本一緻，唯一的差別，分類用的是多元分類算法，這次采用的是回歸算法。
二、源碼
下面是全部代碼：
View Code
三、分析
1、資料處理通道
LoadImages、ResizeImages、ExtractPixels：上篇文章都已經介紹過了；
ScoreTensorFlowModel方法把圖檔像素值轉換為圖檔特征資料，并存儲在softmax2_pre_activation列，Label列儲存的是顔值資料，通過回歸算法形成模型，當輸入新的特征資料時就可以得出對應的顔值資料。
算法采用的是：L-BFGS Poisson Regression （拟牛頓法泊松回歸）
2、預測結果
在網上找了一些大頭照，通過程式進行預測，右側是預測結果：
預測結果雖然和我認為的不完全一緻，但總體上可以接受，大方向沒什麼問題，存在偏差主要有以下幾個因素：
1、學習樣本的客觀性存疑，其打分資料可能是配置設定給多人打分後彙總的，每個人标準不一緻；
2、被檢測圖檔不是很規範，如尺寸、比例、背景、使用美顔軟體等；
3、顔值本身就不具備客觀性，不存在标準答案，如果我說林心如比如花漂亮，大家肯定都同意，但我如果說古力娜紮比迪麗熱巴漂亮，肯定有人不贊成。
四、資源擷取
源碼下載下傳位址：https://github.com/seabluescn/Study_ML.NET
工程名稱：TensorFlow_FaceValueDetection
資源擷取：https://gitee.com/seabluescn/ML_Assets （SCUT-FBP5500）
點選檢視機器學習架構ML.NET學習筆記系列文章目錄
簽名區：
如果您覺得這篇部落格對您有幫助或啟發，請點選右側【推薦】支援，謝謝！