Привлекательность лица является субъективным понятием, часто основанным на культурных аспектах, и широко изучается в области психологии и нейронауки. Учёные из Исламского университета Азад в Тегеране создали новый метод машинного обучения для оценки привлекательности лиц на основе объективных параметров, таких как золотое сечение лица и различные геометрические характеристики. Исследование опубликовано в журнале International Journal of Cognitive Computing in Engineering.
Для обучения нейросети учёные выбрали 90 женских лиц из разных этнических групп. Лица были взяты из видео на YouTube и базы данных Lab London Database, которая включает в себя 5 различных фотографий нейтрального выражения лица каждого человека. Далее были выявлены ключевые критерии, связанные с пропорциональностью и симметрией. А также составлены рейтинги привлекательности на основе оценок реальных людей. Исследовали использовали этот набор данных в методах машинного обучения, например, k-ближайших соседей (KNN) и регрессии опорных векторов (SVR).
В анализе производительности нейросети учёные использовали несколько показателей:
- коэффициент детерминации (R2),
- среднеквадратичную ошибку (RSME),
- среднюю абсолютную процентную ошибку (MAPE).
Дальнейшее изучение результатов показало, что модель, основанная на алгоритме KNN, даёт высокую точность в оценке привлекательности женских лиц, что является значительным улучшением по сравнению с предыдущими исследованиями. Результаты демонстрируют, что искусственный интеллект может изучать и оценивать привлекательность лиц на основе объективных параметров, что имеет важное значение для областей психологии и компьютерных наук. Также увеличив количество изображений в базе данных и используя методы глубокого обучения для классификации привлекательных и непривлекательных людей, работа может найти практическое применение в индустрии красоты и маркетинге, где внешность является важным фактором в процессах принятия решений.