La Prédiction De La Beauté Faciale Basée Sur Réseaux De Neurone Convolutif

Abstract

L'évaluation de la beauté du visage est désormais possible grâce aux progrès récents de l'intelligence artificielle et de la vision par ordinateur. La prédiction de la beauté faciale est un problème de reconnaissance visuelle important pour l'évaluation de l'attractivité du visage, qui correspond à la perception humaine. Les méthodes d'apprentissage en profondeur ont récemment démontré une capacité étonnante pour la représentation et l'analyse des caractéristiques. Dans ce travail, nous avons étudié la prédiction de la beauté faciale, en particulier pour les méthodes d’apprentissage profond en utilise les réseaux de neurones convolutifs. Dans le cadre de cette mémoire, nous travailler sur la synthèse de travaux récente basée sur la prédiction de la beauté du visage en fonction de techniques d'apprentissage en profondeur et d'ensembles de données. Les résultats obtenus par ces techniques d'apprentissage en termes d’évaluation des performances PC, MAE et RMSE obtenus par les réseaux de neurones convolutifs sont améliorés surtout en entraînées avec différentes fonctions de perte. Enfin, nos résultats sont comparables à ceux obtenus par les AlexNet, ResNet-18, ResNeXt-50, CNN – SCA, R3CNN et Semi-supervised.