|
|
1.
基于特征级和决策级融合的人脸吸引力评价方法
李金蔓, 汪剑鸣, 金光浩
计算机应用
2018, 38 (12):
3607-3611.
DOI: 10.11772/j.issn.1001-9081.2018051040
在个性化的人脸吸引力的研究中，由于特征缺失和对于大众审美的影响因素考虑不足，导致预测个人偏好无法到达很高的预测精度。为了提高预测精度，提出了一个基于特征级和决策级信息融合的个性化人脸吸引力预测框架。首先，将代表不同人脸美丽特征的客观特性融合到一起，利用特征选择算法挑选出具有代表性的人脸吸引力特征，并利用不同的信息融合策略将人脸局部、全局特征融合起来；然后，将传统的人脸特征与通过深度网络自动提取的特征融合起来。同时，提出多种融合策略进行对比，将代表着大众审美偏好的评分信息与代表个人偏好的个性化评分信息进行决策级融合，最终实现个性化的人脸吸引力预测评分。实验结果表明，相比现有针对个性化人脸吸引力评价研究的算法，所提的多层次融合方法在预测精度方面有显著的提升，能够达到Pearson相关系数0.9以上。该方法可用于个性化推荐、人脸美化等领域。
参考文献 |
相关文章 |
多维度评价
|
|
