[发明专利]一种基于深度自学习的人脸美丽预测方法

摘要

本发明公开了一种基于深度自学习的人脸美丽预测方法，通过LBP算子所提取的人脸图像局部纹理特征对光照和微小平移具有较强的鲁棒性，将其作为CDBN输入有助于网络对表征人脸美丽信息的联想记忆，进一步减少网络学习到不利的特征描述。自学习方法能自动完善CDBN对数据特征分布的理解，使人脸美丽预测在训练样本类型和数目不满足实际需要的情况下，仍能获得较好的人脸图像特征描述。通过学习一种深层非线性网络结构，使网络系统不依赖人工的特征选择去组合低层特征而形成更加抽象和结构性的高层分布式美丽特征表示，表达一种自动学习和特征提取过程，并利用SVM回归方法实现了人脸美丽机器打分与人工打分的高度一致性。

主权项

一种基于深度自学习的人脸美丽预测方法，其特征在于，包括下列步骤：（1）提取训练人脸图像、测试人脸图像以及自然图像的LBP纹理特征；（2）基于CDBN学习模型，将自然图像的LBP纹理特征作为输入，对CDBN第一层进行自学习；（3）将训练人脸图像的LBP纹理特征作为输入，对CDBN进行逐层贪婪无监督训练，学习表征人脸图像美丽形象的表观特征；（4）利用已完成训练的CDBN提取用于美丽预测的训练人脸图像、测试人脸图像的表观特征；（5）采用SVM回归对人脸图像美丽程度进行预测，输出判别结果。