Predicting facial beauty with convolutional neural networks

Abstract

Καθώς η επιστήμη της Μηχανικής Εκμάθησης εξελίσσεται, η ανάγκη για ανάπτυξη μοντέλων που μιμούνται την ανθρώπινη κρίση αυξάνεται. Ένα κομμάτι επάνω στο οποίο εστιάζουν πολυάριθμες έρευνες είναι η ανάλυση οπτικών σημάτων με στόχο την εξαγωγή συμπερασμάτων σύμφωνων με την ανθρώπινη λογική. Στην παρούσα διατριβή αναλύεται η πρόβλεψη της ελκυστικότητας ενός προσώπου με τη χρήση Συνελικτικών Νευρωνικών Δικτύων και εξετάζεται η επιρροή που μπορεί να έχουν μεροληπτικά δεδομένα κατά τη διαδικασία της εκπαίδευσης. Για το σκοπό αυτό, αναπτύχθηκαν πολλαπλά μοντέλα με διαφοροποιήσεις στα δεδομένα εκπαίδευσης και αναλύθηκαν τα αποτελέσματα με γνώμονα τις διαφορές αυτές. Σύμφωνα με τα αποτελέσματα της μελέτης, γίνεται φανερό ότι η εκπαίδευση μοντέλων με χρήση μεροληπτικών δεδομένων δύναται να αποφέρει μη αξιόπιστα αποτελέσματα και να οδηγήσει σε εσφαλμένα συμπεράσματα.