1. 项目缘起与整体设计思路

人脸颜值打分这个题目，乍一听像是那种“娱乐向”的玩具项目，但真正动手做一遍就会发现，它其实是一个相当典型的图像回归/分类任务，涉及数据采集、人脸检测对齐、卷积神经网络搭建、训练调参、模型评估与部署推理的完整链路。我第一次在AI Studio上看到类似项目的时候，心里想的是“这不就是个二分类或者回归问题吗”，结果真正踩进去才发现，人脸数据的特殊性让这个任务比想象中要复杂得多。

先说说这个项目到底在做什么。简单讲，就是给一张人脸照片，让模型输出一个“颜值分数”。这个分数可以是0到10之间的连续值（回归任务），也可以拆成若干档位做分类（比如1到5分五档）。标题里写的是“基于卷积神经网络分类方法”，所以核心路线是分类而非回归。分类的好处是训练更稳定，坏处是分数粒度粗，需要合理设计档位划分策略。

为什么选卷积神经网络而不是传统机器学习方法？因为人脸颜值这个东西，它的特征太抽象了。你很难用HOG、LBP或者SIFT这种手工特征去描述“好看”这件事。颜值高低涉及五官比例、皮肤质感、对称性、轮廓线条等高度非线性的组合模式，传统特征工程基本无能为力。CNN的卷积核可以自动从低级边缘、纹理逐步组合到高级语义特征，天然适合这种任务。

那为什么选百度飞桨AI Studio平台？几个很实际的原因：第一，它提供免费的GPU算力额度，对于学生党或者个人开发者来说非常友好；第二，平台内置了PaddlePaddle框架和大量预训练模型，可以直接调用；第三，数据集管理、Notebook环境、模型训练和部署都在一个平台里完成，省去了自己搭环境的麻烦。我实测下来，在AI Studio上用V100或者V100级别的算力跑一个中等规模的CNN，训练时间完全可以接受。

整体设计思路可以拆成这么几步：数据获取与清洗 → 人脸检测与对齐 → 标签体系设计 → 数据增强 → CNN模型搭建 → 训练与调参 → 模型评估 → 推理部署。每一步都有坑，后面我会逐个拆开讲。

注意：颜值打分本身带有强烈的主观性，不同人对同一张脸的评分可能差异很大。所以这个项目的定位应该是“技术练手”和“完整链路实践”，而不是追求绝对准确的评分。理解这一点，后面的调参和评估心态会好很多。

2. 数据准备与标签体系设计

2.1 数据来源与采集策略

做颜值打分，第一个卡脖子的问题就是数据。公开的人脸数据集不少，比如CelebA、FFHQ、LFW这些，但它们大多只有身份标注或属性标注，没有颜值分数。那分数从哪来？

常见的做法有这么几种：一是用公开的颜值评分数据集，比如SCUT-FBP5500，这个数据集包含5500张人脸，每张有60个人工评分，最终取平均分作为标签。二是自己爬取带评分的数据，比如某些评分网站上的数据，但这种方式涉及版权和合规问题，需要谨慎。三是用预训练模型生成伪标签，比如用一个已经训练好的颜值模型去给大量无标签人脸打分，然后拿这些伪标签来训练自己的模型。这种方式适合做数据蒸馏或者半监督学习。

我在AI Studio上做这个项目的时候，优先推荐用SCUT-FBP5500或者类似公开数据集。如果找不到，可以退而求其次，用CelebA的人脸图片，然后通过众包或者小规模人工标注的方式生成分数。但人工标注成本高，而且一致性难保证，所以更实际的做法是：先用小规模高质量标注数据训练一个基线模型，再用这个模型去给大规模无标签数据打伪标签，最后用伪标签数据做微调。

2.2 人脸检测与对齐的必要性

拿到原始图片之后，千万不要直接resize就丢进网络。人脸在图片中的位置、角度、尺度差异极大，如果不做检测和对齐，模型会浪费大量容量去学习“人脸在哪”这种低级问题，而不是“脸好不好看”这种高级语义。

人脸检测可以用MTCNN或者RetinaFace，这两个在PaddlePaddle生态里都有现成的实现。检测到人脸框之后，做关键点对齐，通常是用5点或68点关键点做仿射变换，把眼睛、鼻子、嘴角对齐到一个标准位置。对齐之后的人脸再裁剪成固定尺寸，比如224x224或者112x112。

这一步的实操心得是：对齐的质量直接决定模型的上限。如果对齐歪了，眼睛不在同一水平线上，模型学到的特征就是错的。我试过不做对齐直接训练，准确率比做了对齐低了将近8个百分点。所以这一步千万别省。

2.3 标签体系设计与分数离散化

前面说了，这个项目走的是分类路线。那怎么把连续的颜值分数变成类别？

最直接的方式是等宽分箱。比如分数范围是1到5，分成5档，每0.8分一档。但这样分有个问题：中间分数段的人脸特别多，两端特别少，导致类别极度不平衡。另一种方式是等频分箱，按分位数切分，保证每个类别样本数大致相等。这种方式训练更稳定，但档位的物理意义会变得模糊。

我个人的建议是：如果数据量在1万张以下，用等频分箱分5档；如果数据量在5万张以上，可以尝试等宽分箱分10档。分5档的好处是每档样本充足，模型容易收敛；分10档的好处是分数粒度细，但需要更多数据支撑。

还有一个细节：标签平滑。因为颜值评分本身有噪声，相邻档位之间的边界很模糊。用label smoothing（比如0.1的平滑系数）可以防止模型对边界样本过度自信，提升泛化能力。这个技巧在图像分类里很常用，颜值打分任务尤其适合。

2.4 数据增强策略

人脸数据的增强和普通图像分类不太一样，有些增强会破坏人脸的语义。比如随机裁剪可能把眼睛裁掉，颜色抖动太大会让肤色失真。所以增强策略要克制。

我常用的增强组合是：随机水平翻转（概率0.5）、小角度旋转（±10度）、轻微颜色抖动（亮度、对比度、饱和度各±0.1）、随机擦除（概率0.2，擦除面积不超过10%）。不做垂直翻转，因为倒过来的人脸没有意义；不做大角度旋转，因为对齐之后人脸基本是正的。

提示：数据增强只在训练时做，验证和测试时只做resize和归一化。另外，增强后的图片要检查一下，确保人脸没有被裁掉或者严重变形。

3. 卷积神经网络模型搭建与选型

3.1 backbone选择：从轻量到重量

在AI Studio上搭CNN，backbone的选择很关键。不是越深越好，要看数据量和算力。

如果数据量在1万张以下，建议用轻量级网络，比如MobileNetV3、ShuffleNetV2或者PaddlePaddle自带的PP-LCNet。这些网络参数量小，不容易过拟合，训练也快。我实测过，在5000张数据上用ResNet50，验证集准确率卡在60%上不去，换成MobileNetV3之后直接到了68%。

如果数据量在5万到10万之间，可以用ResNet50或者ResNet101。如果数据量超过10万，可以尝试EfficientNet系列或者Vision Transformer。但ViT对数据量要求极高，小数据上基本训不动。

还有一个很实用的技巧：用预训练权重。在ImageNet上预训练的模型，底层卷积核已经学会了边缘、纹理、颜色等通用特征，这些对人脸任务同样有效。用预训练权重初始化，然后fine-tune，比从头训练收敛快得多，最终精度也更高。AI Studio上可以直接加载PaddlePaddle的预训练模型，非常方便。

3.2 自定义分类头设计

backbone之后要接分类头。最简单的做法是全局平均池化（GAP）之后接一个全连接层，输出类别数。但颜值打分任务有个特点：类别之间是有序的。1分和2分的差距，小于1分和5分的差距。普通分类损失（交叉熵）不考虑这种序关系，所以可以做一些改进。

一种改进是序数回归（Ordinal Regression），把分类问题转化成多个二分类问题。比如5个类别，就训练4个二分类器，分别判断“分数是否大于1”、“是否大于2”……最后累加得到最终分数。这种方式保留了序信息，效果通常比普通交叉熵好。

另一种改进是混合损失，把交叉熵和回归损失（比如MSE）结合起来。分类头输出类别概率，同时输出一个回归值，两个损失加权求和。这样既有分类的稳定性，又有回归的细粒度。

我在项目里用的是序数回归的思路，实现起来也不复杂：把全连接层的输出维度设为1，然后用sigmoid激活，标签做归一化处理。损失函数用MSE或者Huber损失。实测下来，这种方式比普通5分类的准确率高了3到5个百分点。

3.3 模型结构代码示例

下面是一个基于PaddlePaddle的模型定义示例，backbone用MobileNetV3，分类头用序数回归：

import paddle import paddle.nn as nn from paddle.vision.models import mobilenet_v3_small class FaceBeautyModel(nn.Layer): def __init__(self, num_classes=5, pretrained=True): super().__init__() self.backbone = mobilenet_v3_small(pretrained=pretrained) # 去掉原来的分类头 in_features = self.backbone.classifier[0].in_features self.backbone.classifier = nn.Identity() # 自定义分类头 self.head = nn.Sequential( nn.Linear(in_features, 256), nn.ReLU(), nn.Dropout(0.3), nn.Linear(256, 1) # 序数回归输出1维 ) self.num_classes = num_classes def forward(self, x): features = self.backbone(x) out = self.head(features) return out

这个结构很简洁，但效果不错。关键点在于：Dropout放在全连接层之后，而不是卷积层之后。卷积层本身有正则化效果，再加Dropout反而会拖慢收敛。全连接层参数量大，容易过拟合，加Dropout很有必要。

3.4 损失函数与优化器选择

序数回归的损失函数，我推荐用Huber损失而不是MSE。Huber损失对异常值更鲁棒，颜值评分里难免有一些标注噪声很大的样本，MSE会被这些样本带偏，Huber则稳定得多。

优化器方面，AdamW是首选。学习率设1e-3到1e-4之间，weight decay设1e-4到1e-2之间。如果用了预训练权重，backbone的学习率可以设小一点（比如1e-4），分类头的学习率设大一点（比如1e-3），这种分层学习率的策略在fine-tune时很有效。

学习率调度用余弦退火（CosineAnnealing）或者带热重启的余弦退火。我一般用余弦退火，训练30到50个epoch，前5个epoch做warmup，学习率从1e-6线性升到初始值，然后再余弦下降。这样训练曲线很平滑，不容易震荡。

4. 训练流程与调参实操

4.1 数据划分与批处理

数据划分不能随便随机分。因为颜值打分数据里，同一个人的多张照片可能同时存在，如果随机划分，同一个人可能出现在训练集和验证集里，导致验证集精度虚高。正确的做法是按人划分，同一个人只出现在一个集合里。

划分比例一般是训练集70%、验证集15%、测试集15%。如果数据量小，可以用5折交叉验证，但训练成本会翻倍。

批大小（batch size）根据显存来定。AI Studio上V100的显存是32G，MobileNetV3这种轻量网络，batch size可以设128甚至256。如果显存不够，用梯度累积（gradient accumulation）来模拟大batch。大batch的好处是梯度估计更准，训练更稳定，但学习率要相应调大。

4.2 训练过程监控与早停

训练过程中要监控几个指标：训练损失、验证损失、验证准确率（或者MAE）。如果训练损失持续下降但验证损失开始上升，说明过拟合了，要早停或者加正则化。

早停的patience一般设5到10个epoch。比如验证损失连续10个epoch没有下降，就停止训练，取验证损失最低的那个checkpoint。

还有一个细节：保存最佳模型而不是最后一个模型。因为最后一个epoch的模型可能已经过拟合了，最佳checkpoint才是泛化最好的。

4.3 超参数调优经验

超参数调优是个体力活，但有几个经验可以分享：

调参的顺序建议是：先调学习率，再调weight decay，然后调Dropout，最后微调数据增强。每次只调一个参数，固定其他参数，否则无法判断哪个参数起了作用。

4.4 训练代码框架

下面是一个简化的训练循环示例：

import paddle from paddle.io import DataLoader from paddle.optimizer import AdamW from paddle.optimizer.lr import CosineAnnealingDecay # 数据加载 train_loader = DataLoader(train_dataset, batch_size=128, shuffle=True, num_workers=4) val_loader = DataLoader(val_dataset, batch_size=128, shuffle=False, num_workers=4) # 模型、损失、优化器 model = FaceBeautyModel(num_classes=5, pretrained=True) criterion = paddle.nn.HuberLoss(delta=1.0) scheduler = CosineAnnealingDecay(learning_rate=1e-3, T_max=50) optimizer = AdamW(learning_rate=scheduler, parameters=model.parameters(), weight_decay=1e-4) # 训练循环 best_val_loss = float('inf') patience = 10 counter = 0 for epoch in range(50): model.train() for batch in train_loader: images, labels = batch preds = model(images) loss = criterion(preds, labels) loss.backward() optimizer.step() optimizer.clear_grad() scheduler.step() # 验证 model.eval() val_loss = 0 with paddle.no_grad(): for batch in val_loader: images, labels = batch preds = model(images) val_loss += criterion(preds, labels).item() val_loss /= len(val_loader) if val_loss < best_val_loss: best_val_loss = val_loss paddle.save(model.state_dict(), 'best_model.pdparams') counter = 0 else: counter += 1 if counter >= patience: print(f'Early stopping at epoch {epoch}') break

这个框架很基础，但涵盖了训练的核心要素：数据加载、模型定义、损失函数、优化器、学习率调度、早停、模型保存。你可以根据实际情况调整。

5. 模型评估与常见问题排查

5.1 评估指标选择

分类任务常用的指标是准确率（Accuracy），但颜值打分任务里，准确率有点苛刻。因为相邻档位之间的差异很小，模型把3分预测成4分，其实不算大错。所以除了准确率，还要看平均绝对误差（MAE）和相邻准确率（Adjacent Accuracy）。

MAE是预测分数和真实分数的平均绝对差，越小越好。相邻准确率是预测档位和真实档位相差不超过1的比例，这个指标更宽松，也更符合实际感受。

还有一个指标是Spearman相关系数，衡量预测分数和真实分数的排序一致性。颜值打分本质上是个排序问题，Spearman相关系数能反映模型的排序能力。

5.2 常见问题与排查表

5.3 独家避坑技巧

第一个坑：不要用准确率作为唯一指标。我一开始只看准确率，结果模型把所有样本都预测成中间档，准确率也有40%多，但MAE很高，实际体验很差。后来加了MAE和相邻准确率，才真正反映模型好坏。

第二个坑：验证集要按人划分。这个前面提过，但真的很重要。我试过随机划分，验证准确率比按人划分高了10个百分点，但实际部署时效果很差，因为模型“见过”验证集里的人了。

第三个坑：数据增强不要过度。人脸数据很敏感，颜色抖动太大会让肤色失真，随机裁剪可能把五官裁掉。我试过用AutoAugment这种强增强策略，结果验证准确率反而下降了。后来改成手动设计的弱增强，效果才好起来。

第四个坑：序数回归的标签归一化。如果用序数回归，标签要归一化到0到1之间，否则sigmoid输出和标签范围不匹配，损失会很大。这个细节很容易忽略。

第五个坑：模型保存要保存state_dict而不是整个模型。保存整个模型虽然方便，但兼容性差，换一个PaddlePaddle版本可能就加载不了。保存state_dict更稳妥。

5.4 模型可解释性分析

颜值打分模型到底学到了什么？可以用Grad-CAM可视化一下。把模型关注的区域热力图叠加到原图上，看看模型是不是真的在看五官区域，而不是背景或者头发。

我做过这个分析，发现模型主要关注眼睛、鼻子、嘴巴和下巴轮廓区域，这和人类判断颜值的关注点基本一致。但也有少数样本，模型关注了背景里的某些纹理，说明模型还是学到了一些虚假相关。这时候可以通过数据增强或者增加数据多样性来缓解。

6. 推理部署与项目扩展

6.1 模型导出与推理

训练完之后，要把模型导出成推理格式。PaddlePaddle支持动态图和静态图两种模式。动态图方便调试，静态图推理速度快。导出的时候用paddle.jit.to_static把动态图模型转成静态图，然后保存成model.pdmodel和model.pdiparams两个文件。

推理的时候，加载模型，预处理输入图片（检测、对齐、resize、归一化），然后前向计算，得到分数。如果是序数回归，输出是一个0到1之间的值，乘以分数范围（比如1到5）就得到最终分数。

推理代码示例：

import paddle import cv2 import numpy as np # 加载模型 model = FaceBeautyModel(num_classes=5, pretrained=False) model.set_state_dict(paddle.load('best_model.pdparams')) model.eval() # 预处理 def preprocess(image_path): img = cv2.imread(image_path) # 人脸检测和对齐（省略具体实现） face = detect_and_align(img) face = cv2.resize(face, (224, 224)) face = face.astype('float32') / 255.0 face = (face - [0.485, 0.456, 0.406]) / [0.229, 0.224, 0.225] face = face.transpose(2, 0, 1) return paddle.to_tensor(face).unsqueeze(0) # 推理 with paddle.no_grad(): pred = model(preprocess('test.jpg')) score = pred.item() * 4 + 1 # 映射到1到5 print(f'颜值分数: {score:.2f}')

6.2 部署到AI Studio在线服务

AI Studio支持把模型部署成在线服务。部署之后会得到一个API接口，可以通过HTTP请求调用。这种方式适合做demo或者小规模应用。

部署的时候要注意：输入图片的尺寸和格式要和训练时一致，预处理逻辑要完全复现。我见过很多人部署之后效果变差，就是因为预处理不一致，比如训练时用了归一化，推理时忘了。

6.3 项目扩展方向

这个项目做完之后，可以往几个方向扩展：

一是多任务学习。除了颜值分数，还可以同时预测性别、年龄、表情等属性。多任务学习可以共享底层特征，提升泛化能力。

二是个性化颜值模型。不同人对颜值的偏好不同，可以收集用户的评分数据，做个性化微调。这个方向比较前沿，但数据收集是个难点。

三是视频颜值打分。把单张图片扩展到视频，做实时颜值打分。这个对推理速度要求高，需要模型量化或者剪枝。

四是对抗样本鲁棒性。研究颜值打分模型对对抗扰动的鲁棒性，这个偏学术，但很有意思。

6.4 最后的经验分享

这个项目我从头到尾做了大概三周，踩了不少坑，也学到了很多东西。最大的体会是：数据质量比模型结构重要得多。我试过用很复杂的模型，但数据没清洗干净，效果还不如简单模型加干净数据。

另外，颜值打分这个任务本身有很强的主观性，不要追求绝对准确。把它当成一个完整的机器学习项目练手，把数据采集、清洗、增强、模型搭建、训练、评估、部署这一整套流程走通，比追求几个百分点的准确率提升更有价值。

最后分享一个小技巧：用预训练模型的特征做可视化。把backbone输出的特征用t-SNE降维画出来，看看不同颜值档位的样本在特征空间里是不是分开了。如果分开了，说明模型学到了有判别力的特征；如果混在一起，说明模型还没学好，需要继续调。这个分析比看损失曲线直观得多。