开发 | 训练一个AI给颜值打分,公平公正!

AI 科技评论按:本文作者灰灰,本文原载于作者的知乎专栏。授权转载。

机器学习是不是很无聊,用来用去都是识别字体。能不能帮我找到颜值高的妹子,顺便提高一下姿势水平。

FaceRank 基于 TensorFlow CNN 模型,提供了一些图片处理的工具集,后续还会提供训练好的模型。给 FaceRank 一个妹子,他给你个分数。

从此以后筛选简历,先把头像颜值低的去掉;自动寻找女主颜值高的小电影;自动关注美女;自动排除负分滚粗的相亲对象。从此以后升职加薪,迎娶白富美,走上人生巅峰。

苍老师镇楼:

隐私

因为隐私问题,训练图片集并不提供,但是提供了人脸抽取,图片大小归一化工具,稍微可能会放一些卡通图片。

数据集

130 张 128*128 张网络图片,图片名:1-3.jpg 表示 分值为 1 的第 3 张图。 你可以把符合这个格式的图片放在 resize_images 来训练模型。

find_faces_in_picture.py

find_and_save_face 基于 face_recognition 从图片中找到人脸的坐标,并保存为新图片。

然后再用 resize 统一为 128×128 大小,为模型训练做准备。

模型

人脸打分基于 TensorFlow 的 CNN 模型 代码参考 : TensorFlow-Examples

卷积神经网络部分代码,网络结构说明:卷积层,池化层,卷积层,池化层,全链接层。

运行

安装好 TensorFlow 之后,直接运行 train_model.py .

  • 训练模型
  • 保存模型到 model 文件夹

测试

运行完 train_model.py 之后, 直接运行 run_model.py 来测试.

下载

训练好的模型可以在以下网址下载: http://www.tensorflownews.com/

模型效果

  • 训练过程 你可以看训练过程:Train_Result.md , 这里有损失函数和准确率变化过程。
  • 测试结果 结果并不非常好,但是增加数据集之后有所改善。
(?, 128, 128, 24)
(?, 64, 64, 24)
(?, 64, 64, 96)
(?, 32, 32, 96)

[‘1-1.jpg’, ‘1-2.jpg’, ‘10-1.jpg’, ‘10-2.jpg’, ‘2-1.jpg’, ‘2-2.jpg’, ‘3-1.jpg’, ‘3-2.jpg’, ‘4-1.jpg’, ‘4-2.jpg’, ‘5-1.jpg’, ‘5-2.jpg’, ‘6-1.jpg’, ‘6-2.jpg’, ‘7-1.jpg’, ‘7-2.jpg’, ‘8-1.jpg’, ‘8-2.jpg’, ‘9-1.jpg’, ‘9-2.jpg’]
20
(10, 128, 128, 3)
[3 2 8 6 5 8 0 4 7 7]
(10, 128, 128, 3)
[2 6 6 6 5 8 7 8 7 5]
Test Finished!

支持

  • 提交 issue

Github: https://https://github.com/fendouai/FaceRank

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2017-08-03

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏程序员的知识天地

前端工程师深度学习,就能在浏览器里玩转深度学习

TensorFlow.js 的发布可以说是 JS 社区开发者的福音!但是在浏览器中训练一些模型还是会存在一些问题与不同,如何可以让训练效果更好?本文为大家总结了...

1753
来自专栏量化投资与机器学习

使用CNN(LSTM架构)进行序列预测基于TensorFlow

作者 / mouradmourafiq 翻译 / 编辑部翻译组 来源 / https://github.com/mouradmourafiq 前言 这篇推文抛...

6287
来自专栏深度学习那些事儿

浅谈深度学习中超参数调整策略

深度学习中,设计模型以及保证模型的正确性是首要需要考虑的。当模型设置完成时,理论上模型不存在问题,实现效果也通过计算可以复现出来。一切准备就绪后,那么接下来需要...

2105
来自专栏CVer

资源 | GitHub超过2600星的TensorFlow教程,简洁清晰还不太难

最近,弗吉尼亚理工博士Amirsina Torfi在GitHub上贡献了一个新的教程,教程清晰简单,喜提2600颗星~

1532
来自专栏CVer

经典卷积神经网络(CNN)结构可视化工具

本文将介绍一种在线网络工具,可用于可视化各种经典的卷积神经网络结构。学习Caffe的同学,一定很熟悉Netscope。它就是用来可视化Caffe的prototx...

1790
来自专栏ATYUN订阅号

Keras和PyTorch的视觉识别与迁移学习对比

在上一篇文章中,我们简述了Keras和PyTorch的区别,旨在帮助你选择更适合你需求的框架。现在,我们进行实战进行。我们将让Keras和PyTorch互相较量...

1.1K4
来自专栏iOSDevLog

vid2vid 视频到视频转换vid2vid

Pytorch实现了我们的高分辨率(例如2048x1024)逼真的视频到视频转换方法。

5961
来自专栏ATYUN订阅号

不用P图软件,TensorFlow pix2pix也能帮你打造出六块腹肌!

可视化结果是十分强大的。然而,在健身领域,要想清楚地看到未来的锻炼结果往往是很困难的。我们是否可以利用深度学习让人们更接近他们的个人健康目标,从而帮助他们设想未...

5734
来自专栏AI科技大本营的专栏

前端工程师掌握这18招,就能在浏览器里玩转深度学习

【导读】TensorFlow.js 的发布可以说是 JS 社区开发者的福音!但是在浏览器中训练一些模型还是会存在一些问题与不同,如何可以让训练效果更好?本文的作...

1221
来自专栏数据派THU

教你用Keras和CNN建立模型识别神奇宝贝!(附代码)

在今天博客的最后,你将会了解如何在你自己的数据库中建立、训练并评估一个卷积神经网络。

6511

扫码关注云+社区

领取腾讯云代金券