要是1天便可以构建测年纪网站How

2021-02-22 12:29 admin

  近日微软推出了1个奇异的网页页面——How-old.net,根据传相片猜年纪快速刷爆盆友圈。上线几个小时,早已检测了超21万张照片,因为推断存在不小偏差,很多知名人士都被“玩坏了”,微软觉得同年的林志颖和郭德纲年纪差了1个吴奇隆。那末当高新科技巨头们遇到“How-old” 会怎样呢?

  参照 Fun with ML, Stream Analytics and PowerBI,内有详尽表明

  这个 demo 是大家 IMML 单位(Information Management and Machine Learning)做的,关键组件是:

  1. Azure Machine Learning 服务平台和其 gallery 中的 face api。Microsoft Azure Machine Learning Gallery

  2. 即时统计分析用的是 Azure Event Hub 和 Azure Stream Analytics,后者能够在前者的恶性事件流上应用类 SQL 的句子来实行1个 Near Realtime 的统计分析,例如每 10 秒内的浏览次数和結果遍布。

  实际上本 demo 关键目地是呈现 ASA 和 PowerBI 的即时统计分析呈现工作能力,在其中 ASA 不久 GA(general availability),Machine Learning 和 face detection api 是以前就早已有的物品了,想不到大伙儿都关心面部识别去了。

  程序流程员们,你们只必须 1 天和间便可以创建相近的网站。运用微软公布的 face detection api,要是几下 rest api 启用便可以获得結果了。这里有很详尽的 how to 来教你怎样启用这些 api:Microsoft Project Oxford How-to detect faces from an image。并且,鉴别年纪和性別只是1个小作用,这套 api 还包含鉴别两张相片是否同1本人,和鉴别出某个实际的人等高級作用。

  Age estimation via face.

  1. Face detect,检验照片人士脸的部位,cascade adaboost 是最常见的方式。

  2. Face alignment,图象对准,明确1些重要的点的部位,例如眉毛,双眼,鼻部,嘴角等,明确这些点以后能够明确人脸地区,歪斜的还可以。

  3. Feature extract,有了 face region 以后,刚开始提取 feature,样子 shape,纹路 texture,几何图形 geometry 信息内容是最重要的 feature 了。

  4. Train,有了很多 feature 数据信息和对应的年纪数据信息,创建1个 model 刚开始训炼。SVM, linear regression 这些。

  5. Age estimation,新来1张照片,获得 feature,依据 4 获得的训炼主要参数,估算年纪。

  现阶段看到1些 paper 得出的 MAE(Mean absolute error)能够到 4⑸ 岁,但全是根据试验室数据信息,微软的也试了1下,variance 有点大。

  微软原本是以便宣传策划云计算技术,估算年纪应当只是1个噱头。