爱美丽是一款美颜智能应用,目标是提高用户颜值,包括:
颜值评测,颜值报告,改进方案,颜值PK等
目前版本实现了颜值评测、颜值报告(仅适用亚洲女性)
最新Android版下载(所有推断均在本地进行):
https://gitee.com/knifecms/beauty/releases
颜值评测 检测原理
由于特征较多,使用 MLFeatureSelection 筛选特征
Dlib 人脸关键点检测
byol + lda
resnet
- Python 3.8
git clone https://gitee.com/knifecms/beauty.git
or
git clone https://github.com/showkeyjar/beauty.git
conda install cmake
conda install nodejs
conda install dlib
conda env create -f face.yaml
默认windows环境
linux环境请使用pip install
# 修改为需要预测的美女图片
test = "data/2.jpg"
python predict.py
依次执行 landmarks/ 目录下的 1_gen_feature.py 2_prepare_data.py 即可生成 data/face/features.csv 文件
python predict_interpret.py
python predict_cam.py
python predict_server.py
或者启动服务
./restart_server.sh
预览地址:
包含两种解释lime和shap,推荐使用shap的解释
1.使用关键点位置判断是否科学?
关键点位置 + 皮肤 + 配比
2.使用人脸变换(face morph)作为美颜目标是否恰当?
使用Face Pose Net重建3d人脸
3.检测美是否可以反其道行之,用模型检测丑?
todo 缺陷检测
1.颜值解释运行过于缓慢,需要优化
已优化(todo 改用集成评估策略)
2.颜值解释说明需要配截图
已优化
3.需要对人脸校正
已优化
1.尝试使用 MediaPipe 捕获摄像头人脸;
2.尝试使用尺度熵+xgb替换CNN;
3.尝试使用 TFQ 加速模型训练过程;(已应用)
训练数据集:
https://github.com/HCIILAB/SCUT-FBP5500-Database-Release
1.颜值解释(已添加点位和身体部位对应名称); (使用传统切割手段 和 胶囊图网络Capsule GNN 对比使用 https://github.com/benedekrozemberczki/CapsGNN https://github.com/brjathu/deepcaps )
2.美肤评测(已添加 lbph 特征);
3.使用带语义结构的特征(识别特定皮肤纹理等);
4.使用深度网络对特征进行抽取 (使用autokeras探索SCUT-FBP5500数据集生成模型,仅包含亚洲人和白人);
5.端上应用:
由于cordova摄像头插件无法通过录像的方式捕捉人脸轮廓,暂时弃用
Android Native C++配置过于复杂,windows下与python兼容性不好
使用 Android Studio 打开 App/beauty
代替 firebase -> 21yunbox.com
《女性美容美体小百科》
https://wenku.baidu.com/view/b10e711ba58da0116c1749e6.html
https://wenku.baidu.com/view/29392bbb9fc3d5bbfd0a79563c1ec5da50e2d6eb.html
https://max.book118.com/html/2017/1115/140076049.shtm
https://github.com/bknyaz/beauty_vision
https://github.com/ustcqidi/BeautyPredict
http://antitza.com/assessment_female_beauty.pdf
The Beauty of Capturing Faces: Rating the Quality of Digital Portraits https://arxiv.org/abs/1501.07304v1
SCUT-FBP5500: A Diverse Benchmark Dataset for Multi-Paradigm Facial Beauty Prediction https://arxiv.org/abs/1801.06345v1
Understanding Beauty via Deep Facial Features: https://arxiv.org/pdf/1902.05380.pdf
欢迎提出宝贵意见及贡献代码
QQ交流群:740807335
加微信进微信群:
开发目录说明:
App 移动端项目
dl 深度神经网络训练过程
doc 文档
feature 特征处理
landmarks 人脸关键点提取过程
leaderboard 人脸排行榜
logs 日志目录
model 模型二进制文件
static flask服务静态文件
template flask服务模版文件
test 测试目录