芸能人の顔を機械学習させて顔タイプ診断してみる（その１）

これまで2クラス分類をしてきましたが、本来やりたかったことは顔タイプ診断といって、顔のタイプを4つとか8つに分類するというものです。
これを芸能人の顔の画像を使って機械学習させて、今回は4タイプ分類してみるっていうのをやってみます。
理想はこんな感じ。

引用：日本顔タイプ診断協会
http://kaotype.jp/kaotype/

#これまでの分類結果まとめ
いったん、これまでやってきたことをまとめます。
「芸能人の顔を機械学習で分類してみた」というタイトルでいろいろやってました。

No	分類	trainデータ	testデータ	精度
その１	女性２分類	石原さとみ：34枚 水原希子　：29枚	石原さとみ：16枚 水原希子　：15枚	83%
その２	男女２分類	石原さとみ：100枚 西島秀俊　：100枚	石原さとみ：30枚 西島秀俊　：30枚	98%
その４	女性２分類	沢尻エリカ：100枚 武井咲　　：100枚	沢尻エリカ：30枚 武井咲　　：30枚	85%
その７	女性２分類	沢尻エリカ：200枚 武井咲　　：200枚	沢尻エリカ：50枚 武井咲　　：50枚	90%
今回	女性４分類	吉高由里子：200枚 宮崎あおい：200枚 長谷川潤　：200枚 滝川ｸﾘｽﾃﾙ ：200枚	吉高由里子：50枚 宮崎あおい：50枚 長谷川潤　：50枚 滝川ｸﾘｽﾃﾙ ：50枚	？%

###画像収集
まずは画像収集からです。
その４で使用したbing_api.py（bing apiを使って画像収集するやつ）を使って集めました。

tonosakiyuni-no-MacBook:no8 yuni$ ls yoshitaka_yuriko/imgs|wc -l
     616
tonosakiyuni-no-MacBook:no8 yuni$ ls miyazaki_aoi/imgs|wc -l
     602
tonosakiyuni-no-MacBook:no8 yuni$ ls hasegawa_jun/imgs|wc -l
     566
tonosakiyuni-no-MacBook:no8 yuni$ ls takigawa_christel/imgs|wc -l
     490

• 吉高由里子　　：616枚
• 宮崎あおい　　：602枚
• 長谷川潤　　　：566枚
• 滝川クリステル：490枚

###画像の下準備

①顔の切り出し
②ゴミ画像の排除
この２つの作業をします。

①の顔の切り出しはその１に記載したFace_trim.pyを使って、OpenCVで顔の切り出しをしていきます。

《切り出し後の画像枚数》

• 吉高由里子　　：346枚
• 宮崎あおい　　：334枚
• 長谷川潤　　　：278枚
• 滝川クリステル：205枚

②のゴミ排除は、切り出された画像を目で見て、本人じゃないものを削除していきます。

《ゴミデータ削除後の画像枚数》

• 吉高由里子　　：276枚
• 宮崎あおい　　：299枚
• 長谷川潤　　　：217枚
• 滝川クリステル：170枚

1人200枚の画像を使いたいのですが、ゴミデータを削除したら200枚以下になってしまいました。
ここまで枚数が減った大きな要因として、顔の切り出しの際に、顔が認識できなかった場合と複数人を認識した時をエラーとしてはじいていたためです。
実際には、本人の顔を正確に認識していても、２人以上が写っている画像はほぼエラーとされていいたため大幅に画像が減っていました。
特に滝川クリステルはこんな画像がとても多かったので、納得。

今回は、長谷川潤と滝川クリステルのエラーと判定された画像を再度確認して、手作業で顔の切り出しを行い、画像を増やしました。

《結果、顔切り出し後のデータ》

• 吉高由里子　　：276枚
• 宮崎あおい　　：299枚
• 長谷川潤　　　：263枚
• 滝川クリステル：266枚

###ラベル付けファイルの作成
データを下記の通り分けて、各画像に0/1/2/3のラベルを付けました。

• trainデータ：800枚　吉高由里子(200枚)、宮崎あおい(200枚)、長谷川潤(200枚)、滝川クリステル(200枚)
• testデータ：200枚 吉高由里子(50枚)、宮崎あおい(50枚)、長谷川潤(50枚)、滝川クリステル(50枚)

###学習
さっそく学習させてみます。
その７で使用したtestFaceType.pyを使います。
今回は2クラス分類ではなく、４クラス分類なので

NUM_CLASSES = 4

に変更します。

###結果

$ python3 testfacetype.py
step 0, training accuracy 0.25
step 1, training accuracy 0.33375
step 2, training accuracy 0.41625
step 3, training accuracy 0.435
step 4, training accuracy 0.48625
step 5, training accuracy 0.50875
step 6, training accuracy 0.5375
step 7, training accuracy 0.545
step 8, training accuracy 0.58375
step 9, training accuracy 0.60875
step 10, training accuracy 0.63
step 11, training accuracy 0.6075
step 12, training accuracy 0.645
step 13, training accuracy 0.61125
step 14, training accuracy 0.645
step 15, training accuracy 0.61
step 16, training accuracy 0.6575
step 17, training accuracy 0.6875
step 18, training accuracy 0.69
step 19, training accuracy 0.70375
step 20, training accuracy 0.71
step 21, training accuracy 0.73375
step 22, training accuracy 0.7
step 23, training accuracy 0.72
step 24, training accuracy 0.71
step 25, training accuracy 0.715
step 26, training accuracy 0.69875
step 27, training accuracy 0.70625
step 28, training accuracy 0.70875
step 29, training accuracy 0.73125
step 30, training accuracy 0.7525
step 31, training accuracy 0.66125
step 32, training accuracy 0.76125
step 33, training accuracy 0.82125
step 34, training accuracy 0.8225
step 35, training accuracy 0.86375
step 36, training accuracy 0.8875
step 37, training accuracy 0.87125
step 38, training accuracy 0.9
step 39, training accuracy 0.9275
step 40, training accuracy 0.93
step 41, training accuracy 0.91875
step 42, training accuracy 0.945
step 43, training accuracy 0.965
step 44, training accuracy 0.97375
step 45, training accuracy 0.97375
step 46, training accuracy 0.98625
step 47, training accuracy 0.995
step 48, training accuracy 0.99625
step 49, training accuracy 0.99875
step 50, training accuracy 0.99875
step 51, training accuracy 1
step 52, training accuracy 1
step 53, training accuracy 1
step 54, training accuracy 1
^[[B^[[Astep 55, training accuracy 1
step 56, training accuracy 1
step 57, training accuracy 1
step 58, training accuracy 1
step 59, training accuracy 1
step 60, training accuracy 1
step 61, training accuracy 1
step 62, training accuracy 1
step 63, training accuracy 1
step 64, training accuracy 1
step 65, training accuracy 1
step 66, training accuracy 1
step 67, training accuracy 1
step 68, training accuracy 1
step 69, training accuracy 1
test accuracy 0.825

testデータの正解率は82.5%でした。
結構いい感じっぽい！

###検証
学習済みモデルを使って、新しい画像を分類させてみます。

####吉高由里子の画像
10枚中8枚正解。（0が返ってくればまる）

tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/e89e0455b4770992837371565858644a5c0d51b951664415418722b2c557fc0f.jpg
[[9.9972504e-01 1.8901323e-04 8.4453779e-05 1.3919055e-06]]
0
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/e9242947ee64ca0b5f77b2bbccec9a66197ba0f4843bb252fb1986696ab87134.jpg
[[5.4241616e-01 4.0568209e-01 5.1876456e-02 2.5263258e-05]]
0
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/ea8dc237ac073ebda81be5d3d69353c3b49e515230e26d6fc862859a34e7dc5c.jpg
[[9.9677342e-01 3.8748208e-04 2.0828617e-03 7.5623358e-04]]
0
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/eb9340aecd9d00c94f004c1eb089ff93a10d0365bd02e5b72984690f8de3ab94.jpg
[[4.7152409e-01 1.8709240e-02 5.0976324e-01 3.5395647e-06]]
2
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/ec7cdc280a429fcb40fef1bbd8d08a22c380f4410691ad6f086a76e905228cf5.jpg
[[0.10479089 0.59593266 0.29860225 0.00067421]]
1
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/ec936c577c2aeff4ddf5535d010587210da353e68246e0706492ccc4e084ecf9.jpg
[[6.1423010e-01 3.4532475e-01 4.0016655e-02 4.2852285e-04]]
0
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/ee1b1f0f6f9f86560885ba483fb52e66a0fcd1aace754eb4d7ed156590707594.jpg
[[8.7861407e-01 1.9374216e-03 1.1926514e-01 1.8347548e-04]]
0
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/f0ce6e780eb3339f83f75a3396fdfe5e923267d0d903631520a18172455696e8.jpg
[[9.9846160e-01 3.6978327e-05 1.4611640e-03 4.0274143e-05]]
0
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/f1279be92ea476f2d425644dcc783c964d2f37313ea837016f91b9909835cf3e.png
[[9.9825484e-01 1.7076513e-03 3.7491787e-05 2.5755725e-08]]
0
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/f271f90db4f0b3bc234ad7fa22c3dbf9b9ac384b45539589bb7c8935b2483416.jpg
[[9.9385899e-01 2.1612275e-04 5.8850227e-03 3.9950406e-05]]
0

####宮崎あおいの画像
10枚中9枚正解。（1が返ってくればまる）

tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/da5e7ed2266ba56031afc0a7c54b33bb500c543cd6e2fc1e97b4f08a31274fad.jpg
[[1.0227344e-04 9.9984264e-01 9.2914916e-06 4.5810932e-05]]
1
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/db0f55641280f0b90cc4dd83d181957b8c595cf971c02c3884748bdbbdcb48ef.jpg
[[0.03169191 0.92264354 0.03904526 0.00661929]]
1
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/db44e42cd65270bd9a0aae41c16ff4a939b886ef9cb97f8cc06599afebef51fa.jpg
[[8.3003681e-05 4.6206940e-02 9.5365989e-01 5.0184462e-05]]
2
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/db6a1aa5f5f72b1d130f927235cf082f6e683722674cb14a5952f44309954171.jpg
[[2.0666572e-04 9.9952757e-01 1.9501544e-05 2.4630324e-04]]
1
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/dbaa844a1b93242f998698b8701d530fa21ea3284d520993c6d4418c93cd628f.jpg
[[6.57574710e-05 9.99772489e-01 5.60793123e-05 1.05752304e-04]]
1
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/dc14e71c256d3756e1dbb4848fccac42a73d4fd3c976ac5d435140b314f41ac5.jpg
[[2.69554323e-04 9.59057331e-01 1.15745075e-04 4.05573808e-02]]
1
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/dc5f0c8c45a1a2fb37f8ef283968ddcc71233e21eb96d2ba49a6183639446fe6.jpg
[[4.6349425e-02 9.5277822e-01 8.5574226e-04 1.6620428e-05]]
1
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/dfcd5bf90d3ee40c0cfcc25e65536031a5bd2d3f4785f189dcb2cacea48c5e08.jpg
[[0.12367538 0.48957518 0.3827296  0.00401999]]
1
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/dfdfe9369c58f648523df803a08aabb9e589cda54dd0bc652088dd935d559629.jpg
[[5.2158260e-03 9.9472719e-01 9.5743153e-06 4.7443533e-05]]
1
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/e07b46669de0da8564500ee8a94c8900b3ee13509a5a4a0513f7abfca532bc12.jpg
[[3.4127973e-07 9.9999869e-01 6.2688633e-07 3.1683365e-07]]
1

####長谷川潤の画像
10枚中9枚正解。（2が返ってくればまる）

tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/f7e55f15fcc701ccfabb46a1414a118ab78be263db1fa66d8a7604063c5e5e89.jpg
[[0.06347483 0.01214616 0.71335566 0.21102335]]
2
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/f806fccdae3fcb442d50f742f0179c9f3b24f871412dfd3dd6f4180e7d23af51.jpg
[[6.04638946e-04 1.60445546e-04 9.99224544e-01 1.03100665e-05]]
2
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/fa417581c77c8e8e47b02af7193e807e74622e4e8c57ec9be9429214f5cd15f6.jpg
[[2.3820156e-05 2.6668824e-04 9.9970919e-01 2.7222285e-07]]
2
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/fa5301537f01925ad3e1eb518b44a4faeb84ea5b95228ff590123598b7dda8c3.jpg
[[1.9840215e-04 1.1577469e-05 9.9978989e-01 4.5476284e-08]]
2
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/faaf0d46d9930148c77e0bfcdc315580f8e19ea08477236a3958ecd596826154.jpg
[[8.1932943e-05 2.8697890e-04 9.9065346e-01 8.9776078e-03]]
2
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/fc4528bd06f3dbbb329c59b6638d5a3c158ae5051a0e8b683427da6a93b71901.jpg
[[1.2949037e-02 6.0849823e-05 9.8697656e-01 1.3455285e-05]]
2
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/fca94e4b6e2b72e2c05fb1a1ce317e3094f0e251b5bf8e7fdd9070229509381c.jpg
[[1.12111076e-04 9.94401753e-01 5.45986276e-03 2.63286747e-05]]
1
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/fcf155dd002e92890e42c534910a106d4ee3fa96bf274943c9820efe59e916dd.jpg
[[2.5808188e-04 1.9746739e-03 9.9776721e-01 3.5054676e-08]]
2
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/fd2318133cb989d86f33c59a7df162f07837f2d1fe9576e4c11334b3735f1c5a.jpg
[[4.7364914e-01 4.5854352e-02 4.8046476e-01 3.1737640e-05]]
2
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/fd36ca4438a82bae37537ddc192ac838b98fbc32bbec4a7dee76fdd8622b48b8.jpg
[[5.2427594e-04 7.3040537e-05 9.9611568e-01 3.2870562e-03]]
2

####滝川クリステルの画像
10枚中10枚正解。（3が返ってくればまる）
100点！ぱちぱち
しかも全部95%以上の分類スコア！

tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/e680df8fd32325d2436bdedb8f11342798116f9fea5f2a95e4cd44d85ce83880.jpg
[[7.0618999e-06 1.3241200e-07 3.3210795e-10 9.9999285e-01]]
3
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/e7d5ead6e144d4f07463b41e0c0fecefa84761584577b85dc791761e7ac0619c.jpg
[[4.6504801e-03 6.7537265e-05 5.1493298e-05 9.9523050e-01]]
3
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/ea1fda25dc38e9ea9142da4251a8b6bd2a211b3b4556e6ff2a58aa4f1f51541d.jpg
[[4.9237342e-06 1.8801206e-06 7.2948692e-09 9.9999321e-01]]
3
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/ea57412d4e7c4c6a4d5458809e8aa6678dafae1b17ffba381740ebf15a16a831.jpg
[[8.9334222e-08 3.2092075e-07 8.5260501e-09 9.9999952e-01]]
3
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/edc22a0627aa9af9e23a8a7bd7e28759a6bae22d62d49a27dbc45b8449b0905a.jpg
[[6.7115849e-04 2.0044670e-04 2.4451028e-05 9.9910396e-01]]
3
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/efbca0fdd6b47c771b8bc3bd6ccadec9bd36e408792cb53a718506d4f1388c8b.jpg
[[2.5186529e-03 9.4217685e-05 1.0664488e-06 9.9738616e-01]]
3
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/f1e8fd72b64294effd2f68dded34e2f26e7cfb5b9e25f9a8c1a2cc74c5ae918b.jpg
[[4.6376244e-04 1.9531304e-03 7.2112431e-07 9.9758232e-01]]
3
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/f6ebddba6f2ed2ec61b1c0a67672b022322607c6883cf3ec03b6a6312b012456.jpg
[[9.0680944e-05 6.1591278e-04 4.2121678e-07 9.9929297e-01]]
3
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/f7ba5cfa1ca01c23b9e4ab9d7e13c78d1d2a8e434283dcaa7c20c7b25d23609b.jpg
[[1.3346668e-02 2.0592673e-04 1.2322144e-03 9.8521519e-01]]
3
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/data/f7cc828691866b0c32f33558ab8c05f0652a7e4c3b87d04711e78380f61b4622.jpeg
[[4.9811871e-07 6.2609661e-07 1.7489196e-09 9.9999893e-01]]
3

####不正解の画像をみてみる
eb9340aecd9d00c94f004c1eb089ff93a10d0365bd02e5b72984690f8de3ab94.jpg
[[4.7152409e-01 1.8709240e-02 5.0976324e-01 3.5395647e-06]]

名前	分類スコア
吉高由里子	47.1%
宮崎あおい	1.9%
長谷川潤	51.0%
滝川クリステル	0.0%

ec7cdc280a429fcb40fef1bbd8d08a22c380f4410691ad6f086a76e905228cf5.jpg
[[0.10479089 0.59593266 0.29860225 0.00067421]]

名前	分類スコア
吉高由里子	10.5%
宮崎あおい	59.6%
長谷川潤	29.9%
滝川クリステル	0.0%

db44e42cd65270bd9a0aae41c16ff4a939b886ef9cb97f8cc06599afebef51fa.jpg
[[8.3003681e-05 4.6206940e-02 9.5365989e-01 5.0184462e-05]]

名前	分類スコア
吉高由里子	0.0%
宮崎あおい	4.6%
長谷川潤	95.4%
滝川クリステル	0.0%

fca94e4b6e2b72e2c05fb1a1ce317e3094f0e251b5bf8e7fdd9070229509381c.jpg
[[1.12111076e-04 9.94401753e-01 5.45986276e-03 2.63286747e-05]]

名前	分類スコア
吉高由里子	0.0%
宮崎あおい	99.4%
長谷川潤	0.5%
滝川クリステル	0.0%

ちなみに
顔切り出し前の画像（下の画像）を使ったら正解でした。

$ python3 FaceType.py /Users/yuni/project/azureVM/no8/hasegawa_jun/imgs/fca94e4b6e2b72e2c05fb1a1ce317e3094f0e251b5bf8e7fdd9070229509381c.jpg
[[4.9424536e-08 1.8681206e-06 9.9999797e-01 1.3814103e-07]]
2

顔切り出し後の画像を再度切り出ししてるから、切り出しに失敗してんのかな？
もしかしたら他のも？って思ってやってみたけど、そちらはやっぱり不正解でした。

tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/yoshitaka_yuriko/imgs/eb9340aecd9d00c94f004c1eb089ff93a10d0365bd02e5b72984690f8de3ab94.jpg
[[0.04154467 0.66368526 0.0679175  0.22685261]]
1
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/yoshitaka_yuriko/imgs/ec7cdc280a429fcb40fef1bbd8d08a22c380f4410691ad6f086a76e905228cf5.jpg
[[0.00435801 0.13851005 0.6492421  0.20788985]]
2
tonosakiyuni-no-MacBook:no8 yuni$ python3 FaceType.py /Users/yuni/project/azureVM/no8/miyazaki_aoi/imgs/db44e42cd65270bd9a0aae41c16ff4a939b886ef9cb97f8cc06599afebef51fa.jpg
[[0.04974111 0.33056137 0.6111728  0.0085248 ]]
2

###ちなみに
またまた自分の顔使ってみます。るん♩
そもそも、この４人の芸能人を選定した理由は、下記タイプに分類されると考えるから。

• 吉高由里子　　：フレッシュタイプ（直線×子供顔）
• 宮崎あおい　　：キュートタイプ　（曲線×子供顔）
• 長谷川潤　　　：クールタイプ　　（直線×大人顔）
• 滝川クリステル：フェミニンタイプ（曲線×大人顔）

さて、一体わたしは何タイプに分類されるのかしら！

$ python3 FaceType.py /Users/yuni/project/tensorflow/IMG_6154.JPG
[[0.10291465 0.00753366 0.6350374  0.25451425]]
2

63%のスコアで長谷川潤のクールタイプ（直線×大人顔）に分類されました。
実際に、人間の顔タイプ診断士に診断してもらった時は、8タイプ中のエレガントタイプ（大人顔で、クールとフェミニンの中間のタイプ）だったので、フェミニンタイプも25.5%の結果出てるし、まさにそんな感じかなって思います。

よくできました系です。ぱちぱち
（と思っているのですが、気になる点があればぜひコメントください！）