人工智慧告訴你，你有多好看

前言

機器學習是當今最性感的技術，平常做Research、寫Paper時應當嚴謹；但是在平常的生活中，我一直在想，機器學習可以用來做哪些有意思的事情？

上一篇：Python+機器學習 識別少兒不宜圖片，就是這樣一種場景。本文寫作的初衷也是一樣，即「利用機器學習做一些好玩的事情」。 本篇主要介紹 「機器學習帶你從人群中一眼找到顏值最高的小姐姐」。

聲明：若要追求學術上的嚴謹，請閱讀《Pattern Recognition and Machine Learning》、《The Elements of Statistical Learning》、《Deep Learning》；以及CVPR、ICCV、ECCV、NIPS、ICML、KDD等等頂會上的Paper！！！

正文

設想一下這樣的場景，我們拍攝了一張包含許多人臉的照片，那麼我們如何從這些照片中找到顏值最高的那位呢？就像這樣：

如果你對計算機視覺或機器學習有一定的了解，那麼你肯定知道剛剛描述的場景一共包括人臉檢測 和 回歸分析 這兩個問題了。

即：首先框選出一張照片中的所有人臉；然後返回這些人臉對應的顏值得分。

下面切入正題吧，要訓練機器學習模型，首先需要收集大量標註數據。前段時間我發現 華南理工大學-人機交互智能實驗室 做過 Face Beauty Prediction 之類的工作，並且公布了他們實驗室標註的數據，在此表示感謝！該數據集的顏值得分為1~5分, 1分表示顏值最低，5分表示顏值最高！

註：該數據集僅包含亞洲人，若你將訓練好的模型用來預測歐美或者非洲人的顏值，可能會產生偏差！

因為樣本量總數比較小，去train一個深度模型似乎沒有必要。因此我用了HOG來提取人臉圖像特徵，然後訓練回歸模型。目前嘗試了 Linear Regression、Lasso、Ridge Regression、Elastic Net、Support Vector Regressor 以及 Bayesian Ridge Regression 等回歸模型。根據在測試集上的結果，我發現 Ridge Regressor 表現最佳，Pearson Correlation達到了0.7246！

對於人臉檢測部分，Faster-RCNN, YOLO, SSD 等等這些都是非常成熟的檢測模型了；尤其對於人臉檢測，也有很多論文單獨做了 face detector，在此不贅述了，以後有機會專門再寫 object detection 相關的吧~在這裡為了方便，我直接用的dlib做人臉檢測。

我們保留訓練後的模型二進位文件，在以後的測試中載入該文件，進行預測：

演算法檢測出了每一張臉，並給出了其對應的顏值評分。可以看到，機器學習認為右側第二位美女的顏值是最高的，為 4.11118049 分！

注意！！前方開啟高能預警！！！

注意！！前方開啟高能預警！！！

注意！！前方開啟高能預警！！！

我們在電視或海報上，看到的明星，往往都是 妝後+頂級修圖師 處理過的照騙。而 素顏 才是評判顏值的真正標準。因此編寫網路爬蟲抓取百度圖片的明星證件照，對部分明星素顏照進行顏值打分。結果如下：

可以看到，演算法對劉詩詩的素顏照打出了1.52分。

可以看到，演算法對唐嫣的素顏照打出了1.64分。

可以看到，演算法對楊冪的素顏照打出了1.63分。

看來，三姐妹還是糖糖的顏值略勝一籌啊~

演算法對黃聖依的素顏照打出了2.26分。根據我爬取的所有明星素顏照得分來看，超過2.2的素顏已經是很高了~

范爺以2.7分暫時位列榜首！給冰冰打call！！

演算法給出李小璐的得分為2.51分！

演算法給出趙麗穎的得分為1.98分！

註：目前訓練集樣本不夠多，我用最新的深度學習演算法測試的結果Pearson Correlation達到了0.78。如果你能夠餵給演算法更多的標記樣本，效果肯定是會大幅度提高的！

聲明：本文所有圖片均來自已發表Paper的benchmark，以及互聯網。若有侵權，請告知我予以刪除！