前言
用神经网络评价颜值高低，基于CNN实现人脸打分。这个项目一周前发布在GitHub上面，后经本人使用新的公开的数据集（原项目数据集未公布），重新设置网络结构，最后跑出模型，可通过访问GitHub获得代码及训练好的模型：https://github.com/roguesir/DL-project/tree/master/FaceScoring。
项目介绍
数据获取
训练数据集为华南理工大学实验室公布的数据集，下载地址为：
http://www.hcii-lab.net/data/SCUT-FBP/EN/download.html。这个数据集里面都是女生的图片及打分。
这个数据及包含500张女生图片，由70人进行打分，最终取平均值即为该图片的打分情况。从1到5分不等。如下图所示：
预处理
原始数据集中图片和评分是分开的，为了项目方便，我们将图片名称命名为：评分-编号.jpg，我们的目标是使最终训练的模型能够对图片进行1-9的评分，因此需要对得分进行处理，使评分为1-9之间的整数。可以参考我的GitHub项目中rename.py脚本文件，如下：
for i in range(0,500):
score = str(round(col_score[i])*2)
for image in os.listdir(path):
#print(image)
if os.path.isfile(os.path.join(path, image)):
id_tag = image.find("j")
score_tag = image.find("-")
#print(id_tag)
name=image[score_tag+1:id_tag-1]
#print(name)
#print(i+1)
if name == str(i+1):
os.rename(path + os.sep + image, path + os.sep + score + '-' + name + '.jpg')之后，需要使用face_recognition库将图片中的人脸进行提取，不得不说，face_recognition这个库真的挺强大的，处理效果也很好（只要你正经点。。。见下图）
用face_recognition库处理好图片，结果如下所示：
最后，将提取出来的人脸图片重新设置大小，同意成128*128尺寸。即可完成数据准备。
网络设计
这个项目，最初的作者给出了原始的CNN代码，我重新设置了两个模型，提高了准确率，介绍如下：
原始模型：含有三层卷积层和两层全连接层的CNN网络，网络结构较简单，
点击进入。
Alex模型：类似AlexNet分类模型，含有五层卷积层和三层全连接层的CNN网络，
点击进入。
VGG-16模型：类似VGG-16模型，含有13层卷积层和三层全连接层的CNN网络。
模型中加入BN，防止梯度爆炸。
训练
训练过程如下：
1.在GitHub上面clone代码
2.运行rename.py脚本将数据重新命名
3.运行find_faces_in_picture.py，通过face_recognition库提取人脸图片
4.运行resize_image.py将提取的人脸图片设置为128*128
5.运行train.py训练原始模型，train_alex.py训练AlexNet模型，train_vgg.py训练VGG-16模型
6.运行test.py、test_alex.py、test_vgg.py即可对上述三个模型进行测试
说明：test脚本文件对应的模型结构一致，在train脚本文件中将训练的模型存储，以方便test文件调用
模型输出
输出结果如下：
