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~