Program za određivanje atraktivnosti lica. Kriteriji za profesionalnu procjenu fotografije ili kako ocijeniti svoju fotografiju

„Svetlo moje, ogledalo! reci
Da, reci celu istinu:
jesam li najslađi na svijetu,
Sve rumenilo i belje?

A.S. Puškin

Čarobne stvari iz bajki postepeno se ostvaruju u stvarnoj stvarnosti korištenjem novih tehnologija i naučnih otkrića. Već implementirani i aktivno se koriste uređaji kao što su leteći tepih (avijacija), čizme za hodanje (automobili), jabuka na srebrnom tacnu (netbook sa internetom), lopta koja pokazuje put (GPS navigator) i druge potrebne stvari. Pokušali smo da implementiramo sistem procjene ljepote nečijeg lica koji se spominje u „Priči o mrtvoj princezi i sedam bogataša“ koristeći metode umjetna inteligencija i mašinskog vida, jer smatramo da je autor epigrafa zapravo mislio na tablet sa prednjom kamerom i posebnim instaliranim softverom.

Pitanje šta tačno čini lice osobe privlačnim predmet je istraživanja fiziologa, biologa, filozofa, istoričara umetnosti i stručnjaka za plastična operacija dugo vremena. Sada se smatra utvrđenom činjenicom da ljudi osim individualne preferencije, a utiču i opšti biološki motivisani principi procene lepote. Među mogućim kandidatima za tipične znakove fiziolozi razlikuju simetriju crta lica, razliku između slike lica i prosječne slike lica velikog broja ljudi, podudarnost proporcija lica sa "zlatnim rezom" itd. takve crte lica otporniji su na mutacije i bolesti, a s druge strane, ljudi sa simetričnim crtama lica dobijaju više ocjene ljepote kada stručnjaci procjenjuju njihove fotografije.

AT poslednjih godina Pojavilo se nekoliko pionirskih radova o kompjuterskim sistemima za prepoznavanje ljepote zasnovanim na korištenju sistema mašinskog vida i klasifikatora koji se mogu obučiti. Ovi radovi se mogu smatrati pokušajem da se robotski sistem obdari sposobnošću da "vidi lijepo". Kao znakovi koriste se proporcije crta lica, dok su ključne tačke na licu odabrane ručno. Pored proporcija, metoda glavne komponente je primijenjena za izdvajanje karakteristika. U zadatku prepoznavanja ljepote korištene su duboke neuronske mreže.

Razvili smo automatski sistem za procjenu ljepote baziran na metodi isticanja ključnih tačaka na licu korištenjem OpenCV biblioteke mašinskog vida i neuronske mreže, obučeni na ciljni zadatak na osnovu podataka stručne procjene, te sproveli eksperimentalnu procjenu kvaliteta njegovog rad.

Baza slika za obuku

Prikupili smo vlastitu bazu slika, koja se sastoji od 180 fotografija lica mladih žena, slike su preuzete iz otvorenih izvora. Odabrane su fotografije lica u frontalnoj projekciji sa neutralnim izrazom lica, bez naočara i nakita. Kako bismo uzorak učinili reprezentativnim, pokušali smo da u bazu podataka uključimo primjere i lijepih i ružnih lica (slika 1).

Rice. 1. Primjer fotografije lica iz baze podataka slika

Za razliku od rada, prikupljena baza podataka uključuje fotografije žena različitih rasa, boja kože, a njihova starost se kreće od 18 do 35 godina. Nakon što su slike prikupljene, panel stručnjaka je zamoljen da ocijeni subjektivnu estetsku privlačnost svake od fotografija na skali od 1 do 7. Uključeno je ukupno 8 stručnjaka, 4 muškarca i 4 žene, starosti od 16 do 63 godine. u označavanju fotografija, bodovi su dati nezavisno. Prema uslovima eksperimenta, prije početka procesa bodovanja, svakom stručnjaku su prezentovane sve fotografije za početni pregled. Za provjeru konzistentnosti uzorka izvršena je korelaciona analiza čiji su rezultati prikazani u tabeli. jedan.

Tabela 1. Parne korelacije ocjena različitih stručnjaka

Pokazalo se da je prosječna korelacija uzorka na nivou od 0,7, što omogućava treniranje neuronske mreže na takvim podacima i otprilike odgovara rezultatima drugih istraživača.

Opća šema algoritma

Sistem za prepoznavanje ljepote prima kao ulaz sliku koja sadrži frontalnu fotografiju lica osobe (slika 2).

Rice. 2. Šema rada algoritma za prepoznavanje ljepote lica

Prije pokretanja algoritma, pretpostavljamo da je lice na slici već ranije odabrano i da zauzima veći dio površine slike. Zatim, koristeći standardni Viola-Jones boosting klasifikator, koji je dio OpenCV biblioteke strojnog vida, odabiru se područja na licu koja odgovaraju desnom i lijevom oku, nosu i ustima.
Na osnovu ovih koordinata izračunavaju se glavne proporcije lica, koje se zatim koriste kao vektor karakteristika za neuronsku mrežu. Neuronska mreža se prvo obučava na ovim ulazima, koristeći ekspertske procjene kao ciljni uzorak, a zatim se može koristiti za prepoznavanje na novim podacima koje mreža ranije nije vidjela.

Ekstrakcija karakteristika

Uvjetno smo podijelili karakteristike koje smo identificirali u dvije grupe: omjer udaljenosti između odabranih ključnih tačaka i omjera pronađenih veličina lica.

Grupa karakteristika 1 prikazana je na sl. 3, lijevo: AB/CD, AC/BC, AD/BD, EC/ED, EC/AB, AC/AD, BC/BD. Grupa karakteristika 2 prikazana je na Sl. 3, desno: L/R, Mw/Mh, Nw/Nh, Mw/Nw, Mh/Nh. Konačni vektor karakteristika sastoji se od kombinovanih karakteristika obe grupe. Prije nego što se unesu u neuronsku mrežu, podaci su skalirani na .

Rice. 3. Izračunavanje vektora karakteristika iz odabranih ključnih tačaka na licu

Obuka neuronskih mreža

Kao neuronsku mrežu koja se može obučiti, koristili smo standardni višeslojni perceptron sa jednim skrivenim slojem koji sadrži 5 neurona u skrivenom sloju. Hiperbolička tangentna funkcija je korištena kao aktivacijska funkcija neurona u skrivenom i izlaznom sloju. Neuronska mreža je obučena metodom proširenog Kalmanovog filtera , , koja je jedna od najčešćih efikasne metode učenje drugog reda za neuronske mreže. Prije obuke uzorak je podijeljen na 2 dijela: obuku (110 primjera, 60% uzorka) i ispitivanje (70 primjera, 40% uzorka). Ishodi učenja prikazani su u tabeli. 2.

Tabela 2. Rezultati obuke neuronske mreže o problemu prepoznavanja ljepote

Vjerujemo da je rezultat korelacije od 0,5 na ispitnom uzorku koji nije korišten u obuci vrlo dobar za malu količinu informacija dostavljenih neuronskoj mreži kao karakteristike. Zapravo, neuronska mreža donosi odluku na temelju analize strukture kostiju lubanje, zanemarujući druge podatke koje osoba uzima u obzir prilikom rješavanja sličnog problema.
U budućnosti planiramo poboljšati algoritam proširenjem baze slika za trening, izdvajanjem novih ključnih tačaka na licu i uključivanjem detektora glatkoće kože u njega.

Originalni članak (naš): Černodub A.N., Paščenko Yu.A., Golovčenko K.A. Sistem neuronske mreže za određivanje privlačnosti lica osobe // XV Sveruska naučno-tehnička konferencija "Neuroinformatika-2013", Moskva, 21-25 januara 2013, str. 254 - 259.

Bibliografija

1. Kovač, F. J. Filozofija ljepote//Norman: University of Oklahoma Press. 1974.
2. Grammer K, Thornhill R. Ljudska (Homo sapiens) privlačnost lica i seksualna selekcija: uloga simetrije i prosječnosti. // J Comp Psychol, 1994. V. 108. br. 3. P. 233-242.
3. Rhodes G. Evolucijska psihologija ljepote lica // Annu. Rev. Psihol. 2006. V. 57. P. 199-226.
4. Sheib J.E., Gangestad S.W., Thornhill R. Privlačnost lica, simetrija i znakovi dobrih gena // Proc Biol Sci. 1999. 22. septembar; 266(1431). R. 1913-1917.
5. Phi maska ​​Hollanda E. Marquardta: Zamke oslanjanja na modele i zlatni omjer za opisivanje lijepog lica // Estetska plastična kirurgija, 2008. V. 32, br. 2. P. 200-208.
6. Aarabi, P., Hughes, D., Mohajer, K., Emami, M. Automatsko mjerenje ljepote lica // IEEE Međunarodna konferencija o sistemima, čovjeku i kibernetici, 710. oktobar 2001., Tucson, SAD. V. 4. P. 2644-2647.
7. Eisenthal Y., Dror G., Ruppin E. Atraktivnost lica: ljepota i mašina // Neural Computation, 2006. V. 18. No. 1. P. 119-142.
8. Gan J., Li L., Zhai Y. Duboko samouko učenje za predviđanje ljepote lica // Neurocomputing. DOI: 10.1016/j.neucom.2014.05.028
9. Grey D., Yu K., Xu W., Gong Y. Predviđanje ljepote lica bez orijentira // Computer Vision - ECCV 2010, Bilješke s predavanja iz računarstva, 2010, V. 6316/2010. P. 434-447.
10. Khaikin S. Neuralne mreže: kompletan kurs. M.: Williams, 2006.
11. Chernodub A.N. Obuka neuronskih mreža za klasifikaciju korištenjem proširenog Kalmanovog filtera: komparativna studija // Optical Memory and Neural Networks, 2014. Vol. 23, broj 2, str. 96-103.

Jasno je da je svaka osoba lijepa. Posebno devojke. Pogotovo neke. Posebno duša. Međutim, pitanje je koliko? Šta je mera lepote? Grams? Litara? Kilogrami? 90-60-90? Novi servis, koji je kreirao tim švajcarskih naučnika i programera iz laboratorije, analiziraće fotografiju za nekoliko sekundi i dati rezultat: “Ludo šarmantan!”. Ako budeš imao sreće.

Ovi momci iz laboratorije za prepoznavanje lica odradili su sjajan posao obučavajući umjetnu inteligenciju i razvijajući kriterije za ljepotu, kako mi to razumijemo. Odnosno, naučili su mašinu koja, gledajući Cindy Crawford, jasno shvaća da je ona ljepotica. A kada pogledate Baba Yagu, on će reći - "Pa, tako-tako." Općenito se čini da zadatak nije težak, ali kako možemo razlikovati Cindy Crawford od Baba Yage? Yes Easy. Ali podučavanje ovog računara nije bilo tako lako.

Ipak, ono što je urađeno zaslužuje veliku pohvalu. Sami programeri kažu da je tačnost programa 76%.

Malo sam testirao kako radi, i znaš šta? Zaista radi.

Na primjer, oduvijek sam sebi znao da nisam zgodan. Mislim, nemam lepo lice. Program je tako rekao. Kao, vaš put do podijuma je uređen, ali generalno, prilično ste dobri! Šarm!

Na glavnoj stranici usluge predlaže se da pokušate procijeniti fotografije drugih ljudi ili učitati svoje.

Sistem će procijeniti fotografiju na skali od šest tačaka i izdati približna starost lica na fotografiji.

I to je tačno! I nikad se ne zna, usluga laže! Prvo moraš probati tuđe, a onda povjeriti svoje, draga.

Ocene se nalaze na skali ispod fotografije i izgledaju ovako:

1. Hm... - pa tako-tako, možeš li se pomiriti? 🙂
2. OK - sve je ok, norme, ići će, jaki srednji seljak.
3. Lijepo - prilično nicho, čak i zujanje.
4. Vruće - pa, vau, sasvim čak i jako!
5. Zapanjujuće - nema veze, super!
6. Bogolik - zadivljujući, bogolik, model, ukratko!

Osvojio sam Hot, moja žena je božanstvena. Sitnica - ali lijepo)

Hajde da testiramo Baba Yagu.

Pa, vidiš, OK. U nekom smislu, tako-tako. Ne možeš je stvarno nazvati ružnom, zar ne? Oči su obojene i općenito ispravne crte i sve to.

Kako se ljudi ne bi uznemirili, programeri upozoravaju da je ljepota čisto evaluativna i nejasna stvar, a različite zemlje ima različite kriterijume. Stoga, ne brinite ako vaša lična procjena ide lijevo i daje malo plave boje.

U svakom slučaju, na pragu smo univerzalne digitalizacije i potpunog prodora tehnologije u naše živote. Na vama je da li je ovo dobro ili loše.

Preuzmite za iPhone i Android:

Prva stvar na koju obraćamo pažnju je silueta i proporcije.
Možda je ovo najvažnija stvar u izgradnji imidža.
Svaka osoba ima drugačiji tip figure, a svaki tip ima svoje siluete.
Silueta je obris figure sa odjećom.
Shodno tome, znajući prednosti i nedostatke njegove figure,
možemo ga prilagoditi silueti odjeće.
Neraskidivo povezan sa siluetom i proporcijama -
ovo je omjer dužina horizontalnih podjela u odjeći
jedni prema drugima i prema ukupnom rastu.
Ovdje važi zakon „zlatnog preseka“, tj. harmonične kombinacije percipirani našim očima.
"zlatni rez" zlatni omjer, podjela u ekstremnom i prosječnom omjeru) -
podjela neprekidne količine na dva dijela u takvom omjeru da
manji dio je prema većem, kao što je veći prema cjelini.

Da bi bilo jasnije, pogledajmo primjer.

Na lijevoj slici ukupna dužina bluze i dužine pantalona povezana je kao 1 prema 1,
one. Dužina bluze je približno jednaka dužini pantalona.
AT ovaj primjer ova percepcija je izglađena zbog iste boje bluze i
pantalone. Vizuelno, to se okom percipira kao nedovoljna dužina nogu.
Kako se ovo može popraviti? Dodajte potpeticu i pojasom naglasite struk.
Na desna slika proporcije su harmonične.

Dakle, da se vratimo na algoritam za procjenu izgleda.
Drugi je noge, odnosno njegov donji dio: cipele, njegovu boju i oblik.

Oblik bi trebao biti skladan cjelokupnoj silueti.
Boja cipela bi trebala nekako "stati na kraj". opšti način,
da bude njen skladan završetak.
Ako je vani ljeto, a cipele otvaraju noge,
onda ćemo svakako obratiti pažnju na njegovanu kožu i nokte.

Treći je glava, šišanje, frizura.

kare-bob frizura

Nepotrebno je reći, najviše najbolja frizura je čista glava.
Ovdje je također važno obratiti pažnju na dužinu kose.
Trebao bi biti proporcionalan ukupnoj visini osobe, uključujući visinu potpetice. Zašto toliko ljudi ignoriše ovu činjenicu?
Ovdje se vraćamo na prvu tačku o proporcijama.

Četvrti je lice.

Prije svega, drugi primjećuju stanje kože,
a onda sve ostalo. Glavna stvar je opći utisak njegovane,
a ne sama šminka i njene suptilnosti.

I konačno, dolazimo do pete tačke u procjeni izgleda - to je oružje.
Ruke pre svega izdaju naše godine
a stanje kože je tu mnogo važnije od trendy boja lak u našoj
manikir. Naravno, važna je i njihova opća njegovanost i čistoća.
Treba napomenuti da optimalna dužina izrasli nokat - 3-4 mm,
a najseksi boja laka za nokte je ona koja odgovara boji odjeće.
I zapamtite da ne samo da vi procjenjujete druge, već i oni vas.
I ovih pet jednostavni savjeti pomaže da uvijek izgledate 100%.

Englezi kažu: „Ruke su ono što razlikuje prava dama od proste zene

Bez obzira da li je muškarac oženjen ili vodi divlji život, on uvijek cijeni žene oko sebe. Takva je priroda - voli očima. Vjerovatno ste, dok ste bili u muškim kompanijama, čuli fraze poput: „Evo našeg novog radnika, ništa tako, solidna sedmica“, „Vankina žena je, naravno, trojka“…

Otprilike možete pogoditi na šta se misli, ali skala atraktivnosti od 1 do 10 ima određeno značenje. Imajte na umu da svaki čovjek ima svoje ideale i ideje lepote. Za jednog je “za 9”, za drugog “za 4”.

Kažu da je ova skala krenula od pick-up umjetnika (muškaraca koje zanima kvantitativni pokazatelj žena namamljenih u krevet), te među normalni muškarci ima mekše dekodiranje. Uredništvo "Tako jednostavno!" odlučio da kaže šta se podrazumeva pod ovim ocenama. Zbog toga vas muškarci ne bi trebali uvrijediti, jer i žene ocjenjuju predstavnike suprotnog spola. Ali o tome drugi put.

Procjena ljepote

1 do 3 - ružno

To znači ženu koja ima ili ozbiljne fizičke mane ili ozbiljne mentalnih poremećaja. Takve žene imaju tendenciju višak kilograma, problemi sa kožom, retka kosa i loši zubi. To može biti posljedica genetike ili posljedica ozljeda i zdravstvenih problema, prekomjernog pušenja i konzumiranja alkohola.

Ali mi ćemo to popraviti. Ako se izgled nikako ne može ispraviti bez ozbiljnih ulaganja i plastičnih operacija, potrebno je poraditi na svom karakteru i ličnosti. Takve žene imaju i mnogo uspješnih brakova, jer muškarac ne treba samo vidjeti etiketu, već i osjetiti duhovnu utjehu.

©DepositPhotos

4 - prostak

Prema mišljenju muškaraca, takva žena se ne može nazvati ružnom, ali i lijepom ili slatkom. Ona ima jednostavan izgled bez ikakvih izvanrednih karakteristika. Međutim, ako je takva djevojka prilično pametna i zanimljiva, mogla bi postati osvajač. muška srca. Samo trebate poraditi na svojoj prezentaciji i stilu. Možda nedostaje jedan detalj za dostizanje novog nivoa.

©DepositPhotos

5 - prosjek

Ovo je žena koja liči na sve ostale. Na primjer, nosi istu frizuru i odjeću kao i većina, ne zamara se baš stilom i ispoljavanjem individualnosti. Možda jeste dobro tijelo i lice, ali se ne izdvaja iz gomile. Ali u pravilnu njegu za sebe, ona može imati dobar uspjeh sa muškarcima. Takvu ženu nije sramota zavesti, ali nema se ni čime pohvaliti.

©DepositPhotos

6 - njegovan, sladak

Što se tiče prirodne ljepote, ove žene nisu pisane ljepotice. Ali znaju kako da istaknu svoje vrline, što osvaja muškarce. Nasmejana, lepa, zna šta muškarac želi da vidi i čuje. I sam razumije da postoji bolje, ali lijepo je provoditi vrijeme s njom. Takve su žene obično poslušne i voljne dugoročnu vezu. Vrlo često se muškarci koji su vodili divlji život i mijenjali ljepotice jedan za drugim oženili tako nepretenciozne, ali ljupke žene.

©DepositPhotos

7 - slatko

Ovo su devojke sa dobrim prirodnim podacima. Pod određenim okolnostima, mogu izgledati lijepo ili čak vruće. Možemo reći da su to žene čije tijelo muškarci ocjenjuju osmom, a lice šesticom. Sa dobrom šminkom i lijepa haljina Ove žene mogu muškarcu okrenuti glavu. Predstavnici jačeg pola su pohlepni za svojim čarima i nisu skloni da se tako nešto pokažu pred prijateljima.

©DepositPhotos

8 - zaista prelepo

Ovo je žena koju većina muškaraca voli. Ona ima neki šarm, hoćeš da je pogledaš, lepo je gledati je. Ali ona ne ulaže mnogo truda u to. Drugim riječima, to su žene koje pored prave osobine lice i dobra figura, postoji i polet koji toliko osvaja muškarce. Uvek imaju mnogo obožavalaca, što dodatno podgreva želju muškaraca da se upoznaju.

©DepositPhotos

9 - zasljepljujuće lijepo

Ovo je bistra žena eksterni podaci, koja se i bez šminke izdvaja među ostalim predstavnicama ljepšeg pola. Često se nazivaju seksi. Među njima je mnogo poznate žene: Monika Beluči, Ornela Muti, Anđelina Džoli... Muškarci se dive takvoj lepoti i nimalo ih ne brine unutrašnji sadržaj ovih mladih dama, njihova prošlost i pogledi na život. Žele da ih posjeduju, sanjaju o njima i čine nepromišljena djela.

Ali u takvoj lepoti ima stražnja strana. Vrlo često su takve žene nesretne, iako se kupaju u pažnji džentlmena. Na kraju krajeva, na njih se gleda jednostavno kao na etiketu, potpuno bez osluškivanja njihovih želja.