塔趣 | 用深度学习来评判颜值，基于TensorFlow的开源项目FaceRank

导读：用深度学习来评判颜值，已开源。好友 @小灰灰 大大的「颜值评分 FaceRank」，这是基于 TensorFlow 的 CNN 模型，美不美机器说了算。

我们常看到用机器学习识别字体，自动驾驶等项目，今天给大家推荐一个有趣的项目 FaceRank，这是个开源项目，它基于 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。

从此以后，让它来帮你寻找高颜值的小电影，帮你筛选附近高颜值的妹子（汉子），让它帮你给学校或者公司帅哥美女做个排行榜，让它给明星打分并且你可以自豪的说「一切都是人工智能的选择」。。。

以下是机器给苍老师的打分。

（机器给苍老师打了 7 分，这已经是很高的分数了，果然德艺双磬）

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

训练好的模型下载网址： （文件较大，正在上传） 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。

文章作者：园长、知乎 文章编辑：柯一