今天小编给大家分享一下怎么用Python实现颜值预测的相关知识点，内容详细，逻辑清晰，相信大部分人都还太了解这方面的知识，所以分享这篇文章给大家参考一下，希望大家阅读完这篇文章后有所收获，下面我们一起来了解一下吧。
所需工具
Python版本：3.5.4(64bit)
相关模块：
opencv_python模块、sklearn模块、numpy模块、dlib模块以及一些Python自带的模块。
环境搭建
（1）安装相应版本的Python并添加到环境变量中；
（2）pip安装相关模块中提到的模块。
例如：
若pip安装报错，请自行到：
http://www.lfd.uci.edu/~gohlke/pythonlibs/
下载pip安装报错模块的whl文件，并使用：
pip install whl文件路径+whl文件名安装。
例如：
（本人已在相关文件中提供了编译好的用于dlib库安装的whl文件——>因为这个库最不好装）
主要思路
（1）模型训练
用了PCA算法对特征进行了压缩降维；
然后用随机森林训练模型。
数据源于网络，据说数据“发源地”就是华南理工大学某实验室，因此我在参考文献上才加上了这个实验室的链接。
（2）提取人脸关键点
主要使用了dlib库。
使用官方提供的模型构建特征提取器。
（3）特征生成
完全参考了xxxPh.D.的博客。
（4）颜值预测
利用之前的数据和模型进行颜值预测。
使用方式
有特殊疾病者请慎重尝试预测自己的颜值，本人不对颜值预测的结果和带来的所有负面影响负责！！！
言归正传。
环境搭建完成后，解压相关文件中的Face_Value.rar文件，cmd窗口切换到解压后的*.py文件所在目录。
例如：
打开test_img文件夹，将需要预测颜值的照片放入并重命名为test.jpg。
例如：
若嫌麻烦或者有其他需求，请自行修改：
getLandmarks.py文件中第13行。
最后依次运行：
train_model.py(想直接用我模型的请忽略此步)
getLandmarks.py
getFeatures.py
Predict.py
使用演示
以上就是“怎么用Python实现颜值预测”这篇文章的所有内容，感谢各位的阅读！相信大家阅读完这篇文章都有很大的收获，小编每天都会为大家更新不同的知识，如果还想学习更多的知识，请关注编程网行业资讯频道。
