Meme表情包在各大社交网站都很流行，但是自己制作需要时间和精力。
“民之所急”，表情包自动生成器出现了。
以前这种生成器只是简单的图片配文字，总感觉有点文不对题。
这一次，作者巧妙地利用卷积神经网络来识别图片中的情绪(只有脸哟)，使匹配出来的词可信度更符合语境。
争取一波。
△很开心的大姚
△总理在笑。
△上校很生气。
△静静地看着你
从快乐到正常，机器正在分别判断画面中人物的情绪。
有意思。
操作流程把大象放进冰箱有三个步骤，自己做表情包只需要三个步骤。
第一步是打开热图生成器网站，熟悉英文界面。
第二步，上传清晰的人脸图像。注意脸。不要上传奇怪的东西。
第三步，点击生成meme，静静等待饱含深情的表情包。
好吧，就这么简单。当然只是为了演示，更多的方法自己去玩去探索。
需要注意的是，这个模因的显著特点是文字可以匹配情绪。
人脸的情绪判别作者用了两种数据集进行训练，一种是快乐的，一种是悲伤的。
两种数据集的尺度必须保证相对均匀，否则两种数据集的结果会严重偏向一方，精度下降。
在这个过程中，会出现两个问题:
过采样，在整个数据样本中，如果数据集太多，训练结果会更倾向于越多的部分。
欠采样，减少大数数据以匹配小数类数据，并减少样本量。
当然，保证平衡是最重要的。如果欠采样，总样本将减少，这可能会降低模型的泛化能力。
这时候就需要数据增强技术来手动增加样本数据。
在获得足够多的数据后，作者使用卷积神经网络(CNN)进行训练，提取面部表情的特征，然后进行足够多的训练批次。
在这一点上，面部情绪可以被识别，然后是匹配的单词...
表情包配文字配图配文，配图配文，最重要的是匹配。
在这个热图生成器中，作者使用chef软件作为配置管理工具。
用户上传图片，机器工作过程如下:
判断是否是人脸，如果是，进入第二步；
确定心情是喜是悲，得到评价结果(公制)；
根据情感判断，生成相应的文字。
简单来说，用户上传一张图片，机器调用预先训练好的模型将图片分为两类，从而得到一个有偏的概率值，得到图片心情。
作者使用TensorFlow来预训练文本对齐模型。判断情感后，在已有的存储文本的数据集中进行相关图片的文本匹配度，最后将文本和图片进行组合。
生成表情包就是这么简单~
真的有这么厉害吗？网址在下面。
就试试吧~
参考链接:
https://medium . com/towers-artificial-intelligence/meme-generator-meme gen-using-deep-learning-d 133 e 6 fc 363 f
http://34.74.55.103
推荐:
【中国风动漫】《姜子牙》刷屏背后，藏着中国动画100年内幕【中国风动漫】除了《哪吒》，这些良心国产动画也应该被更多人知道！【中国风动漫】《雾山五行》大火，却很少人知道它的前身《岁城璃心》一个拿着十米大刀的男主夭折！声明
来源:量子位，人工智能产业链联盟推荐阅读，不代表人工智能产业链联盟立场，转载请注明，如涉及作品版权问题，请联系我们删除或做相关处理！
