ITPub博客

首页 > 人工智能 > 深度学习 > 【蜂口 | AI人工智能】性别脸型分类——龙鹏 深度学习与人脸图像应用连载(四)

【蜂口 | AI人工智能】性别脸型分类——龙鹏 深度学习与人脸图像应用连载(四)

原创 深度学习 作者:絵飛的魚 时间:2018-09-30 16:59:11 0 删除 编辑

大家好,我是龙鹏。这次继续给大家带来人脸图像相关的分享。

这次我们的分享是人脸的性别和脸型 分类 问题, 我们主要会从两个方面给大家进行介绍:

1)我们会对图像分类这一基本问题给大家做一个比较完整的介绍。 图像的分类实际上它包含很多的内容, 包括跨物种的图像分类、细 度的图像分类、 实例的图像分类以及多标签图像分类这几个领域。

2)我们对人脸分类相关的问题进行一个介绍, 主要包含两个类:人脸的性别和人脸的脸型。

下面开始我们第一部分的分享:图像分类

图像分类是计算机视觉领域一个可以说是最基础的任务。

那什么是图像分类? 实际上它就是将不同的图像划分到不同的类别, 它的目标就是实现最小的分类误差。 图像 分类,它实际上包含了非常多的内容。

图1

我们先看图1这张图,这是计算机视觉领域里面非常有名的一个数据集,叫做cifar10。 cifar10 ,顾名思义它就包含了十类, 包含车 飞机 ,鸟, 猫等等, 它的每一类都是一个生物意义上的物种, 或者说交通领域里面的一个物种,它是一个跨物种分类的问题。

图2

我们 再看图2, 这是一个细 度的图像分类问题。 什么意思呢?就是两只鸟,这两只鸟都是属于啄木鸟 一个 类别 所以说与前面我们第一个分类 不同的是,它是在同一个类别内部对子类再进行分类, 也就是它是一个更精细的分类。

图3

我们再看第三个分 内容,也就是图3,这是一个 实例 识别, 也就是人脸识别问题。 与前面两个分类任务不同在于这个任务不仅需要对大类 类进行分类, 它还需要能够精确地识别这是哪一个实例, 所以它的分类的层次会更精细。

最后还有一个多标签分类问题。 所谓多标签分类问题就是一张图片,它的标签不是唯一的。 前面我们所说的跨物种分类、细 度分类以及 实例 识别, 这三 的标签都是唯一的,每一张图片都是有一个唯一的标签。 但实际上在我们现实生活中, 一张图片他有可能有多个标签,这是一个多 标签 分类的问题。

以上就是图像分类相关的任务。

大家可以看到图像分类实际上包含了非常丰富的内容, 没有我们想象中那么简单。

下面我们针对人脸里面的图像分类任务给大家做个介绍;

首先,我们介绍 性别

所谓性别就是男女的性别。 男女性别的分类,它可以用于人机交互一些应用。 基于图像的男女性别的识别是一个比较简单的问题。 它主要包含两个思路,也就是传统方法跟深度学习方法。

传统方法的思路就是利用人脸的纹理特征, 主要包含 HoG 等等一些特征, 然后再加上一些 鲁棒 的分类器。

基于CNN 的方法也就是深度学习的方法,那就是通过海 的数据来自动学习它自己特征。

性别识别虽然是个比较简单的问题,但是它也有它的难点。 它的难点主要包含两个方面:中性 的问题和 年龄 问题。

a.中性脸问题 :我们看上面这张图片,这张图片实际上是一张偏中性的脸, 也就是说它既有男性 的一些特征,也有女性 的特征, 它是处在一个比较中性的位置。很多的时候, 当我们人类面对一些中性 我们都无法正常 识别它到底是男性还是女性。

b.年龄问题 :人在婴儿的时候,我们很难通过一张人脸去识别。 人在很小的时候,比如三四岁的时候, 这样我们也是难以仅仅通过人脸的图像来识别它的性别。 这个时候往往需要一些辅助的特征。 在实际的运用过程中, 人脸的性别的分类往往不仅仅是通过人脸区域来进行识别, 我们会经常使用到发型等等一些因素。

其次, 型分类 内容。

人类的脸型包含了各种各样, 主要有鹅蛋脸,猫脸, 狐脸, 正方形 脸, 长方形脸等等。 像猫脸 、狐脸 这样的一些脸型, 就是在当下为主流的审美所认可的一些高颜值的脸型, 也就是我们常说的网红脸。 像正方形 脸, 长方形脸, 这样的一些 脸型 往往是目前为主流审美观所不容的一些低 颜值 脸型。

人的脸型定义其实非常简单, 我们只要看人脸的一些轮廓点的距离啊等等 就可以唯一的判断人脸的脸型。

人脸 型它可以使用在哪个方面 呢? 主要是用于化妆等推荐,我们看这样的一张图:

这是一个不同脸型佩戴不同眼镜的图。 在我们平时去眼镜 那配眼镜的时候, 一般眼镜 都会给我们推荐适合我们脸型的一个眼镜。 比如说有人的脸是非常大的一张脸, 那他就比较适合配一个 面更宽更大的眼镜, 这样可以适当的去遮挡它这样 缺陷。

脸脸型的方法与前面人脸性别的方法也是类似的, 它也包含两个思路:

1)传统的方法: 使用 ASM 特征 +分类器 ASM 特征就是我们前面所说的人脸关键点的关键点位置的串联。 我们可以看到,其实利用了人脸的外轮廓, 我们就能完全去定义人脸的脸型。 所以 ASM 特征是一个非常适合做人脸 脸型 分类的特征。

2) CNN 的方法 CNN 方法就是通过海量的数据去自动的学习。 我们可以猜想到 CNN 的方法实际上也应该会学习到人脸的轮廓这样的一些关键点特征。 人的脸型,它主要的难题就是 类别 重叠的问题, 因为人脸的脸型它不同于 人脸 的性别, 的性别男女性别,这两类是完全能够区分开的, 除去一些中性 ,它 分类界限是非常的清晰的。 但是人类脸型的分类界面相对来说会更加模糊一些, 所以它会面临一些类别重叠的问题和一些模糊性的问题。

以上就是与人脸分类有关的两个 图像 任务。 实际上与人脸分类有关的任务应该还有人脸的表情。 因为人类的表情是一个更加复杂的问题, 所以我们后面会有一个专门的 小节 来介绍人脸表情。


免费领取技术大咖分享课,加蜂口V信: fengkou-IT     
感谢您的阅读,更多精彩请持续关注蜂口微信小程序!


来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/31553577/viewspace-2215356/,如需转载,请注明出处,否则将追究法律责任。

请登录后发表评论 登录
全部评论

注册时间:2018-09-06

  • 博文量
    20
  • 访问量
    11782