在深度神经网络的眼里你有多吸引人？

几个月前，华南大学发表了一篇关于“颜值预测”的论文和数据集。你可以通过这个地址找到（https://arxiv.org/abs/1801.06345）。这个数据集包括5500人，他们的得分有1到5分的吸引力。

以下是一些来自论文的例子：

还有一些著名的人在集合中。我们可以看到朱莉娅罗伯特的照片平均得分为3.78：

看到的这张以色列著名模特Bar Refaeli的照片得分为3.7分：

这些可能看起来像是低分，但实际上3.7分意味着在数据集中，Bar 比约80％的人更有吸引力。

与数据集一起，作者通过训练多个模型试图根据人脸图片来预测人的吸引力。

在这篇文章中，会重现他们的结果，顺带看看吸引力如何。

最初的论文实现了一系列不同的模型，包括具有手工特征的经典ML模型和3种深度学习模型：AlexNet、ResNet18和ResNext50。

这里会尽可能简化工作（因为不想从头开始实施和训练整个资源网络），这里想微调一下现有的模型，以完成这项工作。在keras中，有一个称为应用程序的模块，它是一组不同的预先训练过的模型。其中之一是resnet50，不幸的是，在keras.applications中没有ResNet18或ResNext50，所以不能再现完全相同的工作，但应该足够接近resnet50。

从keras.应用程序导入ResNet50

ResNet是一个深度卷积网络，由微软开发，赢得了2015 ImageNet竞赛，这是一个图像分类任务。

当我们在keras中启动resnet50模型时，我们使用ResNet50架构创建了一个模型，并且我们下载了经过训练的在ImageNet数据集上训练的权重，如同在ImageNet数据集上训练的一样。

论文的作者没有提到他们究竟是如何训练模型的，所以文章会尽力做到最好。

作者想删除最后一层（“softmax”图层）并添加一个没有激活功能的密集图层来执行回归。

你可以看到制作了第一层（resnet模型）不可训练，所以只有2049个可训练的参数，而不是23589761。

作者的计划是训练最终的密集层，然后以较小的学习率训练整个网络。

之后，将第一层改为可训练、编译，并将模型适应另外30个时期。

在这里，train_X是照片，即形状为numpy的阵列（350,350,3），train_Y是被标记的图像的分数。

结果

本文使用2种技术训练模型：5倍交叉验证和60％-40％列车测试分离。他们使用Pearson Correlation（PC），平均绝对误差（MAE）和均方根误差（RMSE）来测量他们的结果。这些是他们使用5倍交叉验证得到的结果：

这些是他们使用60％-40％训练测试分组获得的结果：

这里会做一个80％-20％的训练测试分割，所以它类似于执行其交叉验证部分的1倍。

得到了以下结果：

非常好。另外，也需要查看分数的散点图和直方图：

原始分数分布（标准化）：

预测分数分布（标准化）：

结果看起来还是不错的。现在让我们来看看这个深度神经网络是如何评价作者的。首先使用下面这张照片：

得到了2.85分，这意味着作者比这个数据集中52％的人更有吸引力。

拍了很多照片之后，最终得到了3.15分，这意味着作者比数据集中64％的人更具吸引力。

最后一点，使用Google Colaboratory构建和调整了这个模型，简而言之，它为您提供了一个免费使用GPU的python笔记本。