Прошлые исследования в области психологии и нейронауки часто изучали, как люди воспринимают различные лица во время социального взаимодействия. Некоторые исследования показывают, что в среднем люди склонны находить одни лица более привлекательными, чем другие, поэтому их оценки конкретных лиц могут быть схожими.
В последнее время ученые-компьютерщики пытаются использовать машинное обучение для прогнозирования того, насколько привлекательными люди обычно находят различные лица. Хотя некоторые из этих моделей достигли многообещающих результатов, не все из них могут хорошо обобщать различные изображения.
Исследователи из Исламского университета Азад в Тегеране создали новую модель для оценки привлекательности различных человеческих лиц на изображениях. Эта модель, представленная в Международном журнале когнитивных вычислений в инженерии, предсказывает средние оценки привлекательности, которые люди дают различным лицам, с поразительной точностью.
«В данной работе представлен новый подход к проблеме прогнозирования привлекательности лица с использованием методов машинного обучения и компьютерного зрения», — пишут в своей статье Мохаммад Карими Моридани, Нахал Джамие и Шагаег Сагафи. «Наша главная цель — исследовать, может ли интеллектуальная машина научиться и точно предсказывать привлекательность лица на основе объективных правил в чертах лица».
Изначально Моридани, Джами и Сагхафи поставили перед собой задачу протестировать различные подходы машинного обучения на предмет предсказания того, как люди будут оценивать привлекательность лиц. Для этого они собрали серию наборов данных, содержащих лица различных женщин и соответствующие средние оценки привлекательности, данные людьми.
Лица в наборе данных исследователей были собраны из документального видео YouTube под названием «100 самых красивых женских лиц в мире 2020», в котором были показаны женщины разных национальностей. Кроме того, команда использовала базу данных Lab London Database, составленную Де Брюйном и его коллегами, которая включает лица мужчин и женщин в возрасте от 18 до 54 лет.
Используя эти наборы данных, Моридани, Джами и Сагафи обучили различные модели, в том числе модель на основе k-nearest neighbors (KNN) и модель на основе регрессии опорных векторов (SVR). Затем они проверили способность этих подходов оценивать баллы привлекательности, которые люди могут давать различным лицам.
«Модель использовала параметры черт лица, такие как симметрия и пропорции, в качестве входных данных для определения рейтинга привлекательности в качестве выходных», — пояснили Моридани, Джами и Сагафи в своей статье.
«Мы оценили эффективность нашей обученной модели предиктора с помощью нескольких показателей, включая коэффициент детерминации (R2), среднеквадратичную ошибку (RMSE) и среднюю абсолютную процентную ошибку (MAPE). Наилучшие показатели были достигнуты с помощью алгоритма KNN на этапе тестирования: R2=0,9902, RMSE=0,0056 и MAPE=0,0856. Это указывает на значительное повышение точности предсказания привлекательности лица по сравнению с предыдущими исследованиями».