ai智能美颜4.0:一款美颜智能应用
ai智能美颜4.0:一款美颜智能应用已优化2.颜值解释说明需要配截图使用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Problems1.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)
一、开源项目简介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)。
二、界面展示包含两种解释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
Problems
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
Todo1.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)
未来计划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)
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
端上开发
使用 Android Studio 打开 App/beauty
代替 firebase -> 21yunbox.com
四、技术选型Face Rank Project颜值评测 检测原理
由于特征较多,使用 MLFeatureSelection 筛选特征
1.人脸轮廓检测Dlib 人脸关键点检测
2.皮肤检测byol lda
3.整体特征resnet
运行环境- Python 3.8
git clone 或 解压
2.安装依赖;2.1 独立安装:
conda install cmake
conda install nodejs
conda install dlib
2.2 导入conda环境:
conda env create -f face.yaml
默认windows环境
linux环境请使用pip install
3.修改 predict.py 中的图片路径
# 修改为需要预测的美女图片
test = "data/2.jpg"
4.执行预测,即可得到颜值分[0-5],分数越高颜值越高
python predict.py
5.预测结果解释:
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
6.执行摄像头下的实时预测
python predict_cam.py
7.运行web预测服务
python predict_server.py
或者启动服务
./restart_server.sh
预览地址:
http://locahost:5000/pred
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
五、开源协议
使用MulanPSL-2.0开源协议
六、源码地址私信回复:美颜智能应用
或访问一飞开源:https://code.exmay.com/