1、目前顏值采用的特征主要為幾何特征，并沒有考慮到人臉的皮膚紋理、裝飾、表情等影響顏值的因素，針對如何有效地表達(dá)顏值特征這個難題，本文分析了淺層顏值特征與深層顏值特征，在基于深度卷積神經(jīng)網(wǎng)絡(luò)的顏值計(jì)算框架下，提出了基于人臉相似度檢索策略的顏值分類方法與基于顏值CNN特征與幾何特征池的顏值分類方法，兩種方法取得了較好的分類效果。本文的主要工作包括：
　　1）人臉相似度CNN網(wǎng)絡(luò)?；趍axout網(wǎng)絡(luò)構(gòu)建了含有人臉識別監(jiān)督信號與人臉驗(yàn)證監(jiān)

2、督信號的人臉相似度CNN網(wǎng)絡(luò)，并加入了人臉對齊、人臉多區(qū)域特征提取技巧，使用整理后的大樣本數(shù)據(jù)訓(xùn)練CNN網(wǎng)絡(luò)，在LFW上達(dá)到了97.25％的人臉驗(yàn)證精度。
　　2）根據(jù)相似度高的人臉之間的顏值也是高度相似的這個先驗(yàn)條件，提出基于人臉相似度檢索策略的顏值分類方法，距離度量采用歐幾里得距離，圖像特征采用人臉相似度CNN特征，由于相似度越高的顏值類標(biāo)號對于評估顏值更有意義，計(jì)算檢索得到的人臉在顏值分類中的所占的權(quán)重，并通過顏值類標(biāo)號的期