人工智能 | 深度學習涉足美妝領域,網(wǎng)紅博主要失業(yè)?

場景描述：風靡各大直播平臺的美妝博主，憑借高超的化妝技術(shù)吸金無數(shù)。而人工智能也已經(jīng)開始學習這一本領。利用深度學習與計算機視覺技術(shù)，僅僅根據(jù)人的眼睛特征，就能給出適合用戶的美妝搭配。

關(guān)鍵詞：幾何變換 triplet 損失函數(shù) 遷移學習

近年來，網(wǎng)絡上涌現(xiàn)出越來越多的美妝博主，他們講解美妝技巧，分享化妝品試用效果，以此積累粉絲，與商家合作銷售產(chǎn)品。

比如，前段時間大火的李佳琦，被稱為「口紅魔鬼」的美妝博主。他曾瘋狂地在一次直播中一口氣試了380 種口紅色號，并創(chuàng)下一分鐘內(nèi)售出14,000 支口紅的紀錄。

然而，很多愛化妝的妹子應該早有領悟，明明買了和博主一模一樣的口紅，可畫出來效果卻不一樣。看到「李佳琦」們試用的色號很美很仙很貴氣，可到了自己嘴上怎么就……

口紅界的「賣家秀」和「買家秀」

沒錯，正是因為每個人的臉型、膚色、唇形等等都不一樣，才導致了「賣家秀」和「買家秀」的結(jié)果。

那么問題來了，怎樣才能知道最適合自己的美妝產(chǎn)品是哪款呢？一個叫做 Mira 的公司給出的答案是：用深度學習。

深度學習也愛美妝

許多人印象中，人工智能、深度學習這些名詞和美妝應該八竿子打不著關(guān)系，但位于美國洛杉磯的創(chuàng)企 Mira 可不這么想。

這家公司決定用人工智能技術(shù)幫助廣大愛美女士，比如獲取化妝靈感，購買合適的美妝產(chǎn)品等。

美妝前后，效果堪比換臉

在隨機和數(shù)十位美妝人士詳聊后，Mira 團隊了解到，目前女性消費者在尋找合適的化妝產(chǎn)品和美妝方法時，遇到的最大困難是，沒有權(quán)威且可信的聲音能針對她們個人的美容需求做出指導。

在本文我們就聊聊 Mira 的技術(shù)團隊如何用深度學習和計算機視覺技術(shù)發(fā)現(xiàn)切中這個問題要害的實例：找到講解人類具體眼型和面部膚色的美妝大咖、圖片和視頻等信息。

沿著這種方式， Mira 團隊借助三個簡單但強大的知識——幾何變換、triplet 損失函數(shù)和遷移學習，只用最小限度的人類輸入數(shù)據(jù)就能解決種種困難的美妝推斷問題。

AI 幫你選擇最合適的眼妝

眼部分類示意圖

愛化妝的女士都知道，找到適合自己眼睛的美妝產(chǎn)品和方法是很困難的——每個人的眼型和面部膚色都不一樣。

即便是同一種眼妝（比如煙熏妝），根據(jù)眼型不同，所用的化妝方法也大不相同。

雖然像 Birchbox 等推出了一些有用的化妝指南，但 Mira 團隊經(jīng)過調(diào)查發(fā)現(xiàn)，美妝愛好者們通常還是喜歡聽聽專業(yè)且可信的建議，尤其是和自己眼型相似的人的化妝建議，她們對這些建議的重視程度甚至都超過了美容專家的意見。

利用人工智能技術(shù)，現(xiàn)在我們根據(jù)自己的眼部特征，以及自己其它獨特的面部特征，就能讓自己知道怎么化妝、買什么化妝品。

AI 美妝第一步：尋找相似性

我們把問題形式化一下：根據(jù)一組面部照片，以及少許數(shù)量的人工標記的照片（標記了眼睛顏色、眼瞼形狀等），找到兩個眼睛之間的視覺相似性度量（《紅樓夢》中「這個妹妹我曾見過的」就是這個意思）。然后用分類器捕捉人工標記的屬性。

本文先重點講解如何確定眼睛之間的相似度，后面會詳細解釋如何進行分類任務。

原始圖像并不是很適合計算視覺相似性或者進行分類任務。因為它們包含的很多相似性都是表面上的（比如畫的妝很相似，由于強光才造成膚色看起來不同）。

而這些和人物真正的眼部結(jié)構(gòu)及面部膚色并沒有關(guān)系。而且，原始圖像一般都處于高維空間，這就需要大量的有標記訓練數(shù)據(jù)用于分類任務。

如上圖，如果僅直接比較圖像像素，人物的眼睛都高度相似，但仔細注意會發(fā)現(xiàn)，雖然人物的眼影、光線和視線方向一致，但她們的眼睛顏色和面部膚色卻各不相同。

處理原始圖像的困難所在：雖然上圖兩人的眼睛大不相同，但初始數(shù)據(jù)比較起來卻很相似

那么 Mira 的首要任務就是：要獲得眼部照片的低維和密集的數(shù)學表達形式，也就是我們所說的「嵌套」（embeddings）。

它只會捕捉任務所需的圖像品質(zhì)（嵌套是一種分類特征，以連續(xù)值特征表示。通常，嵌套是指將高維度向量映射到低維度的空間。）這樣一來，「嵌套」應當忽略這些信息：

眼睛姿勢/視線方向

具體的光線狀況（當然還有強大的濾鏡這些）

不管是臉部畫了什么樣的妝

當用三重函數(shù)訓練眼睛嵌入時，系統(tǒng)學會了忽略不相關(guān)特征

AI 美妝第二步：投影變換進行圖像歸一化

我們可以通過一個簡單的預處理步驟——投影變化刪除一整個類別的表面相似性。

雖然裁減過的眼部照片會出現(xiàn)很多明顯的結(jié)構(gòu)性差異（比如眼睛不在照片中心，或者由于頭部傾斜的原因出現(xiàn)旋轉(zhuǎn)等），但投影變化能讓我們「扭曲」照片，這樣就能保證相同的眼部標志處于相同的坐標。

借助一丁點的線性代數(shù)原理，我們就可以將一張圖像「扭曲」，這樣一組點會映射為一個新的理想的形狀。旋轉(zhuǎn)和拉伸圖像的過程如下所示：

使用投影變化，可以將上面的圖像進行扭曲處理，上圖中的 4 個紅點會組成一個矩形，從而將紅點圍住的文本「拉直」。Mira 團隊在將眼部照片進行正?；幚頃r，應用了同樣的方法。

研究人員接用 dlib 檢測出臉部標記（如果你對 dlib 感興趣，可以在以下鏈接中了解：http://blog.dlib.net/2014/08/real-time-face-pose-estimation.html）。

剪裁照片中的眼部部位，將其「扭曲」處理，確保它們對齊和一致。這步操作能讓他們專注于讓「嵌套」不受人物頭部姿勢和傾斜角度的影響。

接著進行圖像歸一化：檢測出面部標志，剪裁眼部圖像，然后用投影轉(zhuǎn)換將眼部圖像「扭曲」至標準位置。

圖像預處理流程中的圖像樣本

AI 美妝第三步：用 triplet 損失函數(shù)進行表示學習

「扭曲」處理后的圖像進行直接比較時，仍會表現(xiàn)出一些表面相似性，包括視線方向和相似的化妝等。深度學習技術(shù)就是解決這個問題的藥方。

研究人員訓練了一個卷積神經(jīng)網(wǎng)絡，用眼部照片輸入它后會輸出向量，相比不同人之間，同一個人眼部照片輸出的向量更具相似性。神經(jīng)網(wǎng)絡會學習輸出每個人眼在不同環(huán)境下的穩(wěn)定持續(xù)的表示形式。

當然，這里所以靠的正是前面所說的triplet 損失函數(shù)，其公式如下所示：

這詳細說明了當函數(shù)將具體個體（錨點和正樣本）的兩個「嵌套」放置的位置比錨點和無關(guān)個體（負樣本）的位置更近時，模型的損失和優(yōu)化目標會遞減。

模型架構(gòu)示意圖

當研究人員將眼部照片應用到模型中時，他們發(fā)現(xiàn)生成的「嵌套」很好地指出了具有相似眼部結(jié)構(gòu)和面部膚色的兩張照片。

眼部嵌套相似的照片示例

這里所用的方法其實和谷歌的FaceNet 很像，也就是通過對照片進行「扭曲」和一致性處理，應用 triplet 損失函數(shù)，生成臉部級別的圖像嵌套。

AI 美妝第四步：合并嵌套

研究人員對生成的嵌套進行了簡單調(diào)試，讓其同樣適用于支持人級（Person-level）的眼部表示——提取出每個幀的全部噪聲數(shù)據(jù)。

通過使用上面神經(jīng)網(wǎng)絡的預訓練權(quán)重，研究人員又采用了新的損失函數(shù)，該函數(shù)將多組嵌套的平均值放在極為相近的位置（相對于無關(guān)個體），如下所示：

使用先前神經(jīng)網(wǎng)絡的預訓練權(quán)重，研究人員可以讓網(wǎng)絡能夠以求平均值的方式將眼部嵌套合并在一起，能看到模型快速收斂。這個過程就是常說的遷移學習。

遷移學習讓嵌套能夠合并為一個個體眼睛的更為整體的表示。雖然此時神經(jīng)網(wǎng)絡架構(gòu)非常復雜了，但模型由于采用了遷移學習的原因能夠快速收斂。

最終，研究人員用數(shù)據(jù)集對模型進行了驗證，發(fā)現(xiàn)模型生成的嵌套能夠捕捉個體之間的很細微的相似性，如下所示：

每一行人物的眼部嵌套之間非常相似

看你一眼，就給出完美妝容建議

通過獲得單張照片中人眼的高質(zhì)量數(shù)學表示，研究人員就能找出人物眼睛構(gòu)造的相似性，這就為只根據(jù)人的眼睛，為他/她匹配合適的眼妝風格打下了基礎。

Mira 技術(shù)團隊表示接下來的任務是應用幾種監(jiān)督式學習方法（分類眼型、回歸眼睛顏色等），以及一些分析方法，搭建出能為人們提供化妝建議的 AI 模型。

也就是說，未來，妹子們不必再發(fā)愁畫什么樣的妝最適合自己的眼睛和膚色了，更不必機械地參考標準化妝指南和美妝博主試色效果，AI 會為你推薦更適合你自己的美妝術(shù)。

如此一來，美妝博主們恐怕要被搶飯碗了？不過，李佳琦也不用再那么辛苦地，在一次直播中試色 380 次了。

注：本文所有代碼和結(jié)果的實現(xiàn)用到了 NumPy，SciPy，Matplotlib，Chainer，dlib 和 SqueezeNet 架構(gòu)。

超神經(jīng)百科

遷移學習

遷移學習是一種機器學習方法，就是把為任務 A 開發(fā)的模型作為初始點，重新使用在為任務 B 開發(fā)模型的過程中。

深度學習中，在計算機視覺任務和自然語言處理任務中，將預訓練的模型作為新模型的起點是一種常用的方法，通常這些預訓練的模型在開發(fā)神經(jīng)網(wǎng)絡的時候已經(jīng)消耗了巨大的時間資源和計算資源，遷移學習可以將已習得的強大技能遷移到相關(guān)的的問題上。

以下是兩個常用的方法：

1. 開發(fā)模型的方法

2. 預訓練模型的方法