为了拯救脸盲，这个表情包网站在 GitHub 上开源了一款明星识别器！

公众号关注 “GitHubDaily”

设为 “星标”，每天带你逛 GitHub！

转自量子位，作者郭一璞

小鲜肉太多，让人分不清，需要 AI 替我识别，这又是谁家的爱豆。

现在，有一家公司来拯救脸盲了，不是你熟悉的硅谷 / 后厂村大公司，而是一家动图表情包网站：GIPHY。

GIPHY 开源了一个表情包识别器，可以分清楚超过 2300 个名人，而且它识别的还是动图，准确率超过 98%。

这效果，可以的

良心的是，GIPHY 不仅把这个工具开源了，而且还直接用在了自己的网站上，不是 Demo，已经是成品。

那我们来测验一下这个功能好不好用～

第一张，泰勒・斯威夫特，传上去试试效果

认出来了，匹配度 84.92%。

换个人，安妮・海瑟薇～

这次认还是认出来了，就是 AI 心里不太有谱，它的把握不到 6 成，甚至还觉得可能是另一个妹子。

我们加大难度，看艾玛・沃森这张魔性的动图能不能认出来。

△ Emma 觉得不行

笑成这样，估计识别起来有点难了吧？

还真是，AI 虽然认出来这是 Emma，但是，它觉得还有 4 个妹子笑得跟 Emma 一样魔性

另外，这个 AI 还对一位明星表现出了迷之钟爱：

赫本的匹配度，高达 100%

这让人怀疑 AI 的心理年龄……

模型原理

模（mei）型（zi）测评就先到这里了，我们来看看这个模型是怎么训练出来的。

摆在 GIPHY 团队里的第一个问题，就是识别谁，以及用什么数据集。

作为一个表情包网站，秉持着自己动手丰衣足食的精神，先把自己家的热搜 TOP 50000 盘点了一下，找到了里面的所有人名，接着又用同样的方法去 Facebook、Twitter 等网站搜了一遍，凑齐了一个 2300 多名人的人脸数据库。

识别的过程则包括两部分，第一部分是人脸检测，使用 MTCNN（arxiv: 1604.02878）预训练模型来找动图中所有帧里的人脸；第二部分是人脸识别，用前面的那个 DIY 的数据集在基于 Resnet-50 的深度卷积神经网络上训练，以识别 MTCNN 模型发现的每一张人脸。

最后，还需要对人脸进行聚类，给出预测结果。

模型训练完成后，在 Labeled Faces in the Wild 数据集上的准确度达到了 96.8%。之后 GIPHY 还做了一个众包验证集，在这个验证集上的准确度达到了 98%，覆盖度达到 75%。

最后，这个模型已经在 GitHub 上开源了，如果想自己用的话，需要 Python 3.6 及以上的版本，用 Linux 的话则需要安装好 libsm，libxext，libxrender。

进入下面传送门体验一下吧～

传送门

在线使用
https://celebrity-detection.giphy.com/

开源地址
https://github.com/Giphy/celeb-detection-oss

---

以上，便是今日分享，觉得不错，还请点个在看，谢谢。

推荐阅读：

美观实用！Star 过万，用 Python 做交互式图形的这款工具火了！

英伟达小姐姐开源 Python 隐藏技巧，上了 GitHub 热榜！

我在 GitHub 上发现了一款骚气满满的字体！

超实用！每 30 秒学会一个 Python 小技巧，GitHub 标星 5300！

神器！输错命令，fuck 一下，就能自动纠正！

「GitHub 交流群」已开放

想入群的可在公众号后台回复「入群」