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

三、功能概述

包含两种解释lime和shap 推荐使用shap的解释

Questions

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

Todo

1.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

使用方法1.clone或解压整个项目;

git clone 或 解压2.安装依赖;2.1 独立安装：

conda install cmake conda install nodejs conda install dlib2.2 导入conda环境：

conda env create -f face.yaml 默认windows环境 linux环境请使用pip install3.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.py5.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.py6.执行摄像头下的实时预测

python predict_cam.py7.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/