Meme表情包，兴盛于各大社交网站，但自己动手制作费时耗力。
“急民之所急”，表情包自动生成器出现了。
以往的此类生成器，只是简单的图片配文字，总觉得有点文不对题。
这一次，作者巧妙利用卷积神经网络，做到了识别图片中的情绪（仅限人脸哟），这样配上的文字可信度就比较契合语境了。
斗图走一波。
△非常高兴的大姚
△丞相在笑
△团长很愤怒
△静静的看着你
从高兴到平常心，机器在分别判定图中人物的情绪。
有点意思。
把大象????装冰箱分三步，制作属于自己的表情包也只要三步。
第一步，打开meme生成器网站，熟悉一下英文界面；
第二步，上传一张清晰的人脸图像，注意一定是人脸哟，奇怪的东西不要上传。
第三步，点击generate meme，静静等待饱含深情的表情包。
好了就是这么简单，当然，这里仅供演示，更多玩法，自行探索。
应该能看到，这款meme不同以往的特点是文字可以匹配情绪。
作者使用了两类数据集进行训练，一部分是高兴，一部分是悲伤。
两类数据集的规模必须确保较为平均，否则二分类的结果会严重偏向一方，准确度会下降。
在此过程中，会出现两个问题：
过采样，在整个数据样本中，一部分数据集过多，训练结果会更加偏向多的那部分。欠采样，把大数类的数据减少到与小数类的数据量相匹配，减少样本量。
当然，确保平衡最重要，如果进行欠采样，总样本会减少，有可能让模型降低泛化能力。
这时候，你需要数据增强技术来人工增加样本数据。
在获得足够数据后，作者使用卷积神经网络（CNN）进行训练，对人脸表情进行特征提取，随后进行足够的训练批次。
此时，人脸情绪可以识别，随后就是配文字了···
以文配图，以图配文，最重要的是匹配。
在这款Meme生成器中，作者使用chef软件作为配置管理工具。
用户上传图片，机器工作流程如下：
判别是否是人脸，如果是，进入第二步；判别情绪，是高兴还是悲伤，得到评估结果（metric）；依照情绪判定，生成相应文字。
简单来说，用户上传一张图片，机器调用预先训练的模型去对图片进行二分类，得到一个有偏向概率值，得到图片情绪。
作者使用TensorFlow预训练一个文字对齐（text alignment）模型，判定情绪后，在既有存储文字的数据集中，进行相关图片的文字匹配度，最终组合文字和图片。
生成一张表情包就这么简单~
是不是真的有这么强大，网址在下面????。
试试便知~
参考链接：https://medium.com/towards-artificial-intelligence/meme-generator-memegen-using-deep-learning-d133e6fc363fhttp://34.74.55.103https://github.com/developers-cosmos/Meme-Generator
— 完 —
本文系网易新闻•网易号特色内容激励计划签约账号【量子位】原创内容，未经账号授权，禁止随意转载。
榜单征集！7大奖项锁定AI TOP企业
「2020中国人工智能年度评选」正式启幕！将从公司、人物、产品、社区四大维度共7个奖项寻找优秀的AI企业，欢迎大家扫码报名参与。
榜单将于12月揭晓，也期待与百万从业者们，共同见证这些优秀企业的荣誉！
量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态
一键三连「分享」、「点赞」和「在看」
科技前沿进展日日相见~
