论文部分内容阅读
美,是指能引起人们美感的客观事物的一种共同的本质属性。在艺术研究领域中,美是人们会遇到的一个抽象概念;是人类感观中的一个概念。人类在生活实践中经常感知对象就是人脸美丽(Facial Beauty)。人脸美丽不仅能够给予人在心灵上的愉悦,而且还可以陶冶人的情操。什么是美?是否客观地存在人脸的“美丽密码”?虽然可以很容易通过自己的器官去感知人脸美丽吸引力(Facial Beauty Attractiveness),但是却很难通过精确的方式去定义人脸美丽吸引力。认知心理学家为了探索人脸美丽吸引力的奥妙,进行了大量的研究实验,得出了一个结论:不管种族、文化、性别、年龄如何,人们对于什么脸是美的存在着高度的一致性。在日常生活中,我们切实感受到美丽吸引力对人们产生不可回避的重要影响。正因为如此,许多科学家和哲学家将自己的精力投入到美丽吸引力的研究中,从而美丽吸引力的研究得到不断地向前发展。目前,在计算机和信息处理学科领域,已经有研究者利用该领域的相关技术手段对人脸美丽客观评价进行研究,如图像信息处理技术、人工智能方法及机器学习方法,但并不是很多。然而,近年来有不少研究者开始重视起来。在人工智能机器学习领域,深度学习网络有了重大的突破,可以从人脸图像中学习到人脸的表观特征(Appearance Feature)。受此启发,本文将深度学习网络应用到人脸美丽特征提取,并结合机器学习方法进行人脸美丽吸引力预测。本文围绕人脸美丽特征提取方法、表观特征、深度自编码器(Deep Autoencoders, DA)、机器学习等问题开展了研究,主要工作包括:(1)系统地回顾了人脸美丽吸引力研究的理论基础、人脸美丽吸引力客观存在理论、人脸美丽吸引力的可学习性原理。(2)系统地研究了前人提出的基于几何特征的人脸美丽吸引力预测模型,指出了人脸美丽几何特征的不足之处,由此引出表观特征,并加以了探讨。(3)回顾了前人提出人脸美丽特征脸(Eigenface)和Gabor特征,并且系统回顾了支持向量机(Support Vector Machine, SVM)学习方法。(4)提出基于深度自编码器的人脸美丽吸引力预测模型,并深入研究自编码器。实验结果表明,采用深度自编码器编码网络作为人脸美丽特征提取器,并结合回归支持向量机进行预测是可行的。近年来,人脸图像美丽吸引力预测是在图像信息处理和模式识别领域开始出现并兴盛起来的一个新颖的研究课题。本文的研究工作是利用图像信息处理技术、深度学习网络、支持向量机等机器学习方法对人脸美丽吸引力的智能感知和分析做了一次有意义的尝试。人脸美丽吸引力的研究才刚刚起步,还没有成熟,仍存在着很大的研究发展空间。计算机科学及图像信息处理技术是一种强大的研究技术手段。它的发展非常重要。希望它的发展作为人脸美丽吸引力研究的长足发展坚强后盾,不断地提供好的技术好的方法,以更好地挖掘美丽的内在本质,使计算机能够象人一样感知人脸美丽,拥有感知智能。