表情包AI生成器:識別人臉情緒,自動配文字
梅寧航 發自 凹非寺
量子位 報道 | 公眾號 QbitAI
Meme表情包,興盛於各大社交網站,但自己動手製作費時耗力。
“急民之所急”,表情包自動生成器出現了。
以往的此類生成器,只是簡單的圖片配文字,總覺得有點文不對題。
這一次,作者巧妙利用卷積神經網路,做到了識別圖片中的情緒(僅限人臉喲),這樣配上的文字可信度就比較契合語境了。
鬥圖走一波。
△非常高興的大姚
△丞相在笑
△團長很憤怒
△靜靜的看著你
從高興到平常心,機器在分別判定圖中人物的情緒。
有點意思。
操作流程
把大象????裝冰箱分三步,製作屬於自己的表情包也只要三步。
第一步,開啟meme生成器網站,熟悉一下英文介面;
第二步,上傳一張清晰的人臉影象,注意一定是人臉喲,奇怪的東西不要上傳。
第三步,點選generate meme,靜靜等待飽含深情的表情包。
好了就是這麼簡單,當然,這裡僅供演示,更多玩法,自行探索。
應該能看到,這款meme不同以往的特點是文字可以匹配情緒。
人臉的情緒判別
作者使用了兩類資料集進行訓練,一部分是高興,一部分是悲傷。
兩類資料集的規模必須確保較為平均,否則二分類的結果會嚴重偏向一方,準確度會下降。
在此過程中,會出現兩個問題:
過取樣,在整個資料樣本中,一部分資料集過多,訓練結果會更加偏向多的那部分。
欠取樣,把大數類的資料減少到與小數類的資料量相匹配,減少樣本量。
當然,確保平衡最重要,如果進行欠取樣,總樣本會減少,有可能讓模型降低泛化能力。
這時候,你需要資料增強技術來人工增加樣本資料。
△一隻貓,變成六隻。
在獲得足夠資料後,作者使用卷積神經網路(CNN)進行訓練,對人臉表情進行特徵提取,隨後進行足夠的訓練批次。
此時,人臉情緒可以識別,隨後就是配文字了···
表情包配文字
以文配圖,以圖配文,最重要的是匹配。
在這款Meme生成器中,作者使用chef軟體作為配置管理工具。
使用者上傳圖片,機器工作流程如下:
判別是否是人臉,如果是,進入第二步;
判別情緒,是高興還是悲傷,得到評估結果(metric);
依照情緒判定,生成相應文字。
簡單來說,使用者上傳一張圖片,機器呼叫預先訓練的模型去對圖片進行二分類,得到一個有偏向概率值,得到圖片情緒。
作者使用TensorFlow預訓練一個文字對齊(text alignment)模型,判定情緒後,在既有儲存文字的資料集中,進行相關圖片的文字匹配度,最終組合文字和圖片。
生成一張表情包就這麼簡單~
是不是真的有這麼強大,網址在下面????。
試試便知~
參考連結:
https://medium.com/towards-artificial-intelligence/meme-generator-memegen-using-deep-learning-d133e6fc363f
http://34.74.55.103
https://github.com/developers-cosmos/Meme-Generator
— 完 —
本文系網易新聞•網易號特色內容激勵計劃簽約賬號【量子位】原創內容,未經賬號授權,禁止隨意轉載。
榜單徵集!7大獎項鎖定AI TOP企業
「2020中國人工智慧年度評選」正式啟幕!將從公司、人物、產品、社群四大維度共7個獎項尋找優秀的AI企業,歡迎大家掃碼報名參與。
榜單將於12月揭曉,也期待與百萬從業者們,共同見證這些優秀企業的榮譽!
量子位QbitAI · 頭條號簽約作者
վ'ᴗ' ի 追蹤AI技術和產品新動態
一鍵三連「分享」、「點贊」和「在看」
科技前沿進展日日相見~