beauty_vision:识别SCUT-FBP数据集的脸部吸引力（Python）

简介：
评估面部吸引力（[1]）是一个用于量化亚洲女性面部美感的资源。 概述： 该资源包含500个图像样本，每个样本的度量值范围在(1,5)之间，用于评估亚洲女性面部的美观程度。研究采用支持向量回归（SVR）方法进行建模，并基于主成分分析（PCA）提取关键特征。具体而言，在某些实验中使用了PCA预测具有50个组件的情况。 方法论： 通过调整图像尺寸为(224,294)后进行中心裁切至(224x224)，以确保数据一致性。模型性能评估进行了5次重复试验，采用平均Pearson相关性（PC）作为评价指标[5]。 实验设置： 所有实验均在相同的计算环境中运行，并采用了以下配置方案：卷积神经网络（CNN）、16个随机滤波器+PCA(50)+RBF核支持向量回归、以及16个随机滤波器+线性SVR。具体实现细节可参考附录中的代码文件[beauty_baseline_random]。 结果： 基于上述方法，模型性能指标结果显示：卷积神经网络的平均PC值为0.8187，其次是线性SVR的0.642表现。