在個性化的人臉吸引力的研究中，由于特征缺失和對于大眾審美的影響因素考慮不足，導(dǎo)致預(yù)測個人偏好無法到達很高的預(yù)測精度。為了提高預(yù)測精度，提出了一個基于特征級和決策級信息融合的個性化人臉吸引力預(yù)測框架。首先，將代表不同人臉美麗特征的客觀特性融合到一起，利用特征選擇算法挑選出具有代表性的人臉吸引力特征，并利用不同的信息融合策略將人臉局部、全局特征融合起來；然后，將傳統(tǒng)的人臉特征與通過深度網(wǎng)絡(luò)自動提取的特征融合起來。同時，提出多種融合策略進行對比，將代表著大眾審美偏好的評分信息與代表個人偏好的個性化評分信息進行決策級融合，最終實現(xiàn)個性化的人臉吸引力預(yù)測評分。實驗結(jié)果表明，相比現(xiàn)有針對個性化人臉吸引力評價研究的算法，所提的多層次融合方法在預(yù)測精度方面有顯著的提升，能夠達到Pearson相關(guān)系數(shù)0.9以上。該方法可用于個性化推薦、人臉美化等領(lǐng)域。

? ? ?深度學(xué)習(xí)和機器學(xué)習(xí)等技術(shù)的發(fā)展，可以使網(wǎng)絡(luò)自動學(xué)習(xí)并選取多種特征用于分類或識別，從而達到很高的精度。在人臉檢測領(lǐng)域，因為人臉包含著豐富而又復(fù)雜的信息，往往會提取多種面部特征信息進行融合并篩選，從而實現(xiàn)更高的檢測精度。在交友或面試等很多社交場合，人臉吸引力作為第一印象，發(fā)揮著很重要的作用。區(qū)別于簡單的人臉檢測，人臉吸引力的檢測不僅涉及到人臉的多種特征的融合，更包含個人的審美和大眾審美偏好等決策因素。目前人臉可用于吸引力分析的特征可分為兩大類：一類是臉型輪廓、幾何比例、膚色、對稱性等全局特征；一類是皮膚紋理、五官尺寸等局部特征。Eisenthal等提出基于人臉的37個距離特征和頭發(fā)顏色、面部平滑程度、人臉對稱性作為人臉吸引力程度的表征特征，這是在人臉吸引力預(yù)測領(lǐng)域的最初探索。