计算机工程

作者：李金蔓, 汪剑鸣, 金光浩

单位：天津工业大学 a. 电子与信息工程学院;b. 计算机科学与技术学院, 天津 300387

关键词：特征融合,个性化预测,人脸吸引力,共识性信息,主观性信息,Pearson相关系数

基金：国家自然科学基金（61771340，61302127，61403278）；中国博士后科学基金（2015M570228）；天津市自然科学基金（16JCYBJC4 2300）；天津市应用基础与前沿技术研究计划（15JCYBJC16600）；天津市高等学校创新团队培养计划（TD13-5032）。

为对特定对象的个性化审美偏好进行预测，将机器学习与深度学习相结合，提出融合共识性与主观性偏好信息的个性化人脸吸引力评估方法。从数据集中收集群体评分形成共识性信息，构建个人评分预测模型以反映主观性信息。结合这2种信息并发挥共识性信息的普遍性优势以及主观性信息的独特性，从而构建个性化人脸吸引力预测模型。在公开的SCUT-FBP和FaceScrub数据集上进行实验，结果表明，该方法的Pearson相关系数高达0.90，残差值低至0.25。

来源：2019年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2019年第8期