圖像識別怎樣改變AV產業？日本人表示：你們都弱爆了
雷鋒網注：本文作者何之源，復旦大學計算機科學碩士在讀，研究人工智能計算機視覺方向。本文由雷鋒網(公眾號：雷鋒網)編輯整理自作者知乎專欄，獲授權發佈。
先進的圖像識別怎樣改變AV產業？
説到這方面，日本人表示，你們都弱爆了！
我來舉幾個例子：
| 一、chainerによるディープラーニングでAV女優の類似畫像検索サービスをつくったノウハウを公開する - Qiita
翻譯：使用chainer和深度學習搭建女優圖像檢索服務
這位仁兄做了個實驗，使用爬蟲在網上搜集了大量的女優面部圖片，使用dlib做面部識別的處理。使用chainer搭建神經網絡並測試。最後實現的功能就是，根據一副圖像，自動識別最相似的女優。
更厲害的是，最後作者表示：“最後に宣伝になりますが、CNNを使ってAV女優の類似畫像検索をしたサイトを作っているので、よかったら見てみてください。”。也就是説，他把這個服務搭建成了一個網站，歡迎大家來訪問。網站的地址我就不發車了，大家自己到原文去找吧。
| 二、ディープラーニングで「顔が似ているAV女優を教えてくれるbot」を構築 - Qiita
翻譯：使用深度學習構建一個可以自動檢測最相似女優的機器人
這個看起來和第一個差不多，其實是不一樣的。這個機器人能從面部打碼的圖片，識別出原來的人物是誰。
效果如圖：
機器人：照片中的人物為上原亞衣。相似度98.730320%。
| 三、ディープラーニングで顔寫真から巨乳かどうかを判別してみる (うまくいったか微妙) - Qiita
翻譯：使用深度學習，通過面部照片，嘗試判別胸部大小。
這個腦洞我真的表示無語，真的能成功麼？
作者還是一樣的套路，先蒐集了好多面部圖片當訓練集。使用了tensorflow進行訓練，最後的結果如下：
作者表示巨乳組正確率喜人，但貧乳組不行。要提高正確率，還要更多的數據集。
另外摘錄一些有趣的網友評論：
yomox9： 有意思。那麼從男性的面部特徵出發，好像也可以做相同的事情呢。
u651601f：求巨乳圖片的訓練集。感謝樓主。
| 四、Ecstascene: 音特徴を利用した成人向け動畫における最高潮場面推定システム
翻譯：使用音頻特徵推測成人視頻的最高潮場面
嚴格來説這個其實不是圖像領域了。原文我沒找到，不過看標題基本就明白什麼意思了。
補一張圖（作者竟然是東京大學情報理工系的，為什麼研究的東西那麼奇怪......）：
本文部分例子參考了：深度學習應用在哪些領域讓你覺得「我去，這也能行！」？
雷鋒網特約稿件，未經授權禁止轉載。詳情見轉載須知。
資料來源：雷鋒網
作者/編輯：何之源
先進的圖像識別怎樣改變AV產業？
説到這方面，日本人表示，你們都弱爆了！
我來舉幾個例子：
| 一、chainerによるディープラーニングでAV女優の類似畫像検索サービスをつくったノウハウを公開する - Qiita
翻譯：使用chainer和深度學習搭建女優圖像檢索服務
這位仁兄做了個實驗，使用爬蟲在網上搜集了大量的女優面部圖片，使用dlib做面部識別的處理。使用chainer搭建神經網絡並測試。最後實現的功能就是，根據一副圖像，自動識別最相似的女優。
更厲害的是，最後作者表示：“最後に宣伝になりますが、CNNを使ってAV女優の類似畫像検索をしたサイトを作っているので、よかったら見てみてください。”。也就是説，他把這個服務搭建成了一個網站，歡迎大家來訪問。網站的地址我就不發車了，大家自己到原文去找吧。
| 二、ディープラーニングで「顔が似ているAV女優を教えてくれるbot」を構築 - Qiita
翻譯：使用深度學習構建一個可以自動檢測最相似女優的機器人
這個看起來和第一個差不多，其實是不一樣的。這個機器人能從面部打碼的圖片，識別出原來的人物是誰。
效果如圖：
機器人：照片中的人物為上原亞衣。相似度98.730320%。
| 三、ディープラーニングで顔寫真から巨乳かどうかを判別してみる (うまくいったか微妙) - Qiita
翻譯：使用深度學習，通過面部照片，嘗試判別胸部大小。
這個腦洞我真的表示無語，真的能成功麼？
作者還是一樣的套路，先蒐集了好多面部圖片當訓練集。使用了tensorflow進行訓練，最後的結果如下：
- 巨乳的召回率為82%(69/84)
- 貧乳的召回率為37%(30/81)
作者表示巨乳組正確率喜人，但貧乳組不行。要提高正確率，還要更多的數據集。
另外摘錄一些有趣的網友評論：
yomox9： 有意思。那麼從男性的面部特徵出發，好像也可以做相同的事情呢。
u651601f：求巨乳圖片的訓練集。感謝樓主。
| 四、Ecstascene: 音特徴を利用した成人向け動畫における最高潮場面推定システム
翻譯：使用音頻特徵推測成人視頻的最高潮場面
嚴格來説這個其實不是圖像領域了。原文我沒找到，不過看標題基本就明白什麼意思了。
補一張圖（作者竟然是東京大學情報理工系的，為什麼研究的東西那麼奇怪......）：
本文部分例子參考了：深度學習應用在哪些領域讓你覺得「我去，這也能行！」？
雷鋒網特約稿件，未經授權禁止轉載。詳情見轉載須知。
資料來源：雷鋒網
作者/編輯：何之源