要約：顔の美しさ予測（FBP）は、コンピュータビジョンおよび機械学習の分野において重要で挑戦的な問題です。大規模で有効なデータが不足しているため過学習に陥りやすいだけでなく、顔の外観の多様性と人間の知覚の複雑さのために、頑健で効果的な顔の美しさ評価モデルを迅速に構築することも困難です。転移学習は、大量のデータへの依存を減らすとともに、過学習の問題を回避することができます。ブロード学習システム（BLS）は、モデルの構築と訓練を迅速に完了させることができます。本論文では、この目的のために、FBPのために転移学習とBLSを統合しました。まず、転移学習に基づくCNNモデルを用いて顔特徴抽出のための特徴抽出器を構築し、本論文ではEfficientNetを用い、抽出された顔の美の特徴をFBPのためにBLSへ転送して、これをE-BLSと呼ぶ。次に、E-BLSを基盤として、特徴抽出器とBLSを結ぶ接続層を設計し、ER-BLSと呼ぶ。最後に、実験結果は、既存の従来のBLSおよびCNN手法と比較して、E-BLSおよびER-BLSによりFBPの精度が向上したことを示しており、提案手法の有効性と優位性を示しています。また、この手法はパターン認識、物体検出、画像分類にも広く用いられる可能性があります。
返却形式: {"translated": "翻訳されたHTML"}
