Resumen

Debido a la falta de representaciones faciales discriminativas y a la escasez de datos de entrenamiento etiquetados, la predicción de la belleza facial (FBP), cuyo objetivo es evaluar el atractivo facial de forma automática, se ha convertido en un problema de reconocimiento de patrones desafiante. Inspirado en los recientes y prometedores trabajos de clasificación de imágenes de grano fino que utilizan la arquitectura multiescala para ampliar la diversidad de características profundas, en este trabajo se propone BeautyNet para la predicción de la belleza facial sin restricciones. En primer lugar, se adopta una red multiescala para mejorar la discriminación de los rasgos faciales. En segundo lugar, para aliviar la carga computacional de la arquitectura multiescala, se utiliza el MFM (max-feature-map) como función de activación, que no sólo puede aligerar la red y acelerar su convergencia, sino también beneficiar su rendimiento. Por último, se introduce una estrategia de aprendizaje por transferencia para mitigar el fenómeno de sobreajuste causado por la escasez de muestras de belleza facial etiquetadas y mejorar el rendimiento de la BeautyNet propuesta. Los amplios experimentos realizados con LSFBD demuestran que el esquema propuesto supera a los métodos más avanzados, pudiendo alcanzar una precisión de lasificación del 67,48.

• Materias:Biotecnología Minería de datos Algoritmo genético Neurociencia Cognitiva Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithm Cognitive Neuroscience Neurophysiology
• Palabras claves:predicción de la belleza facial, arquitectura multiescala, velocidad de convergencia de la red, discriminativa de la cara, clasificación de imágenes granuladas, datos de entrenamiento etiquetados, trabajo prometedor reciente, muestra de belleza facial, problema de reconocimiento de patrones, representación facial discriminativa
• Keywords:facial beauty prediction, multiscale architecture, speed network convergence, discriminative of face, grained image classification, labeled training data, recent promising work, facial beauty sample, pattern recognition problem, discriminative face representation