【蜂口 | AI人工智慧】人臉顏值——龍鵬 深度學習與人臉影像應用連載（五）

這次繼續給大家帶來人臉影像相關的分享。 本次的分享主題是 人臉 的顏值。 這次的分享將從三個方面：

首先，我們對 人臉 的顏值，包括 對它的定義和量化標準做一個簡單的介紹。

其次，我們對 顏值 相關的特徵，主要是面部的形狀、 面部的紋理特徵 做一個介紹。 這兩部分特徵將是 顏值 演算法的核心。

最後，我們對人 臉顏值 在當前環境下的應用以及它的難點做一個簡 短 的介紹。

首那麼我們看第一部分。 時下就是一個顏值就是正義的時代， 大家都已經習慣了看俊男靚女， 正所謂長得好看的人運氣好。

上面是一次韓國選美大賽的一些截圖。 我們可以看到韓國是一個整容業非常發達的國家。 這一些選美大賽選手的照片，作為一個標準的程式 員 來說， 他又是臉 盲 ，是根本就無法區分這 誰是 誰的臉， 就算讓我再看一百次，我也永遠都記不住這 誰是 誰的臉！  不得不感嘆韓國的整容醫生真的非常的專業專一。

上面這張是一次網路直播的圖片。 我在百度搜尋引擎裡面搜了一些關鍵詞， 可以看到，其實也有非常多的相似性。

當下網路直播是非常火的。 時下中國人審美其實已經完全是趨於一致的， 大家都喜歡瓜子臉的臉型， 像 angla baby、 范冰冰這樣的臉型是最受大家歡迎的， 所以說才會有那麼多的網路主播跑到韓國去整容。

那麼顏值到底應該怎麼樣科學的去給他做定義呢 ？ 首先，英國的一 些 科學家們做了一個平均 臉 的測試。 他們從全球蒐集了很多的圖片，對每一個國家的女性的圖片， 透過簡單的影像融合 ， 影像加權，最後得到了一些人臉影像的照片。

上圖這是亞洲幾個國家的人臉平均值，分別是男生和女生。 我們可以看到 : 平均 臉 其實顏值都挺高的。 雖然這項研究也得到了很多人的詬病， 就是他們認為人臉的平均 臉 其實沒有那麼顏值高， 但是這個研究總歸它反映了一個問題，就是一句俗語： 美 人一個 胚 醜人多作怪。

因為我們可以看到這 三個國家的平均 臉 其實也非常的相似。 那麼我們在實際研究 顏值 這個問題的時候， 我們應該怎麼樣去標註 呢 ？

實際上現在能用的 顏值 資料集是非常少的， 可以說基本上公開資料 集 幾乎沒有。

上面這張圖是一個包含5500張影像， 其中有 2000個亞洲女性和 2000個亞洲男性的一個資料集， 是今年才剛剛整理出來的。 也是現在目前可以公開獲取的一個最大的資料集。 它 將人臉顏值分為五個等級，即 從零分到五分。 我們可以看到這個五分的等級， 基本上對應的就是一些明星。

而實際上現在各家公司像 face++、商湯科技， 或者說其他做人臉演算法的小組，他們標註資料都是透過自己內部的資料集和標註人員，其實他們的審美標準也是不一樣的，導致每一家出來的演算法其實都有很大的區別，甚至不具備可比性。

但是為了研究人臉顏值這個問題，我們還是要給他提一些比較 魯棒 的特徵。 人的顏值特徵主要包含兩塊： 幾何特徵 和 皮膚紋理。

幾何特徵：所謂幾何特徵就是臉型。 我們可以看到人臉兩個眼睛的距離， 臉的外輪廓的距離，左右的距離以及 上下的距離，其實都能夠反映這樣一個臉型。

前面我們已經說過了， 現在大家都比較喜歡瓜子臉的臉型， 認為瓜子臉這個顏值 還 是比較高的， 而方形臉 、 圓形臉這樣的 臉型 其實是不太會被大家認為是高顏值的臉型。 臉型是非常重要的一個因素。

皮膚紋理： 紋理特徵的話可以有LBP特徵 ， Gabor特徵等等。 我們經常會在一些娛樂八卦新聞雜誌上看到某某女明星過生日， 她的同齡人來了多少多少女性， 然後一張照片放出來， 你會發現完全看不出來是同一個年齡階段的人。

另外一個，現在的美顏演算法， 也就是對人臉的皮膚進行磨皮等等處理。 可以看到經過美顏之後的人臉顏值瞬間提升。

所以幾何特徵跟皮膚特徵 是人類 顏值 最 重要的 兩塊特徵。 在利用傳統方法做研究的時候， 我們會去手動的提取這樣的特徵； 在利用深度學習的方法來做 顏值 演算法的時候， 實際上就是利用深度學習去自動的學習到這些特徵。

而每一家公司每一個 人臉 小組他們所做的， 實際上就是標註出這樣一批資料，資料量越大越好， 標註的資料的偏差越小越好。

臉 的顏值相對來說是一個比較簡單的問題，下面 我們對它的應用和難點做一個簡單的介紹：

首先，在現在的主播推 薦 中有一定的市場。 總體來說大家還是比較喜歡顏值高的主播， 所以像陌陌等等這樣的一些平臺， 會可以利用顏值演算法對主播進行一些推薦。

其次，智慧自拍。 selfier 就是google開發的一個APP， 它 會在自拍模式下自動地抓拍 比較好的一個角度。

上面這個圖是一個人臉顏值研究的資料集。 我們可以看到不同的自拍角度其實是非常影響顏值的。

顏值演算法對於智慧自拍也是有一定作用。 人的顏值相對來說是比較開放的問題， 它沒有定量的標準。所以再加上大家的審美標準不一， 就是同一個人，他在標註資料的時候， 它一樣存在著很大的偏差， 這是導致人臉顏值演算法比較難以量化， 甚至不同的演算法之間難以進行公平比較的一個 原因 ，也是 一個比較重大的原因。 但是不管怎麼說，人臉顏值仍然是一項比較有趣味性的研究。

大家實際上對人臉 顏值 這樣一個演算法不用非常嚴肅的對待， 就當做是一個比較好玩的課題吧 。