Die Merkmalsextraktion spielt eine entscheidende Rolle bei Aufgaben des Computersehens. In diesem Artikel stellen wir eine Methode vor, die reichhaltige tiefgreifende Merkmale aus einem vortrainierten Modell für die Gesichtsverifizierung überträgt und diese Merkmale anschließend in einen Bayesschen Ridge-Regressionsalgorithmus einfließen lässt, um die ästhetische Schönheit von Gesichtern vorherzusagen. Wir nutzen tiefe neuronale Netzwerke, die abstraktere Merkmale aus mehreren aufeinandergeschichteten Schichten extrahieren. Durch eine einfache, jedoch effektive Strategie zur Merkmalsfusion erzielt unsere Methode eine verbesserte oder vergleichbare Leistung auf den Datensätzen SCUT-FBP und ECCV HotOrNot. Unsere Experimente belegen die Wirksamkeit der vorgeschlagenen Methode und klären die interne Interpretierbarkeit des Wahrnehmungsprozesses ästhetischer Schönheit im Gesicht.