你敢@微信官方,不怕它真送你一顶绿色圣诞帽?

这两天微信官方被at了不知多少次,开始是求圣诞帽的,后来求老公老婆的都有,被大家玩坏了。朋友圈的灾难差不多像这样子:


但是事实真的是这样吗?其实,里面有几个漏洞。


首先,微信不是微博,你at它,对方是收不到的。

其次,假设有“微信官方”这个公众号,它也是没有权限改你的头像的。

事实上,公众号的权限有限,除非特意授权,它都不知道你的微信号。

但是,技术上讲,能不能自动给人头像戴帽呢?答案是可以的,不管红的绿的,都能给你戴上。想戴什么帽子,就戴什么帽子!


这个可以通过一种叫做“生成对抗网络(GAN)”的东西来实现。下面是一个给戴墨镜的例子,感受一下GAN的强大!



惊不惊喜,意不意外?人工智能轻轻松松给你戴了副墨镜!既然墨镜可以带,戴帽子当然也是小case了!!


GAN用了博弈论的思想。两个player:生成网络,对抗网络分别想最大化自己的payoff。生成网络的payoff是尽可能“以假乱真”;对抗网络则尽可能区分出来真(原始输入数据)假(生成网络生成的假数据)。关键是,居然能够达到均衡!没有均衡,算法不收敛,则模型毫无价值。纳什证明了某种条件下均衡必然存在,成为博弈论之父。


除了GAN,还可以用更传统的方法来“戴帽子”:1)识别出头像中头部所在位置,2)在头部上方粘贴帽子。第二步很容易,关键是第一步。第一步中,首先要识别出头像图片里有没有头部(脸部)。自从卷积神经网络出来后,几乎重写了图像识别领域。下面是两个例子:



看起来好复杂啊,一层一层,卷积-池化各种操作,乍一看去一头雾水,不由佩服模型提出者的睿智……但仔细分析来,模型不是凭空而来,而是有道理的。


首先,图像识别要解决平移问题。你那张银盆大脸在图像左侧能识别出来的话,那么在右侧,或者在下侧也应该可以识别出来。所以在卷积层有个“扫描”的过程。确保大脸在哪个位置都能被提取信息。


其次,要解决远近问题。不管你是大脸占据了四分之三个图像的大头贴,还是躲在闺蜜精致的小脸后面一点点,都应该被识别出来。池化-再卷积解决了这个问题(当然也可以不池化)。占据了四分之三个图像的大圆脸,被小块卷积滤波器filter扫描,只是脸的局部进入滤波器,看不出来是圆形。被池化降采样,相当于缩小了,再次卷积滤波器,可能整个圆形的大脸就会同时输入到卷积滤波器中,神经网络会判断为发现圆形。


好了,如何技术实现戴帽子的方法讲完了,上面这顶绿油油的帽子献给所有今天@微信官方请求圣诞帽的童鞋!!!拿走不谢~


往期回顾:

 刚刚,有位大神用AI搞定了多位女神

【机器学习】主成分(PCA)算法分析

【机器学习】非线性回归算法分析

【机器学习】线性回归算法分析

  读AlphaZero论文随想

 进击的TensorFlow

 【通俗理解】协方差

【通俗理解】贝叶斯统计

 从一个双控开关思考神经网络(下)

 从一个双控开关思考神经网络(上)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值