Transfert de caractéristiques profondes riches pour la prédiction de la beauté faciale

L'extraction de caractéristiques joue un rôle significatif dans les tâches de vision par ordinateur. Dans cet article, nous proposons une méthode qui transfère des caractéristiques profondes et riches d'un modèle pré-entraîné sur la tâche de vérification faciale et alimente ces caractéristiques dans l'algorithme de régression de crête bayésienne pour prédire la beauté faciale. Nous utilisons des réseaux neuronaux profonds capables d'extraire des caractéristiques plus abstraites à partir de couches empilées. Grâce à une stratégie simple mais efficace de fusion de caractéristiques, notre méthode atteint des performances améliorées ou comparables sur le jeu de données SCUT-FBP et le jeu de données ECCV HotOrNot. Nos expériences démontrent l'efficacité de la méthode proposée et éclairent l'interprétabilité interne de la perception de la beauté faciale.