五一的时候,微软推出了一个颜龄识别机器人网站How-Old.net,通过大数据和机器识别技术,判断照片中人物的年龄,没想到立即火爆全球,一时间社交网络上攀比成风。
昨天,How-Old.net的官方中文版上线了,更方便国内用户使用。
规矩不变,上传你或者任何人的照片(大小不超过3MB),颜龄机器人就会判断年龄。从这段时间的体验看,正常人的判断还是八九不离十的。
隐私什么的不用担心,微软不会保存你的照片。
PC用户访问:
手机用户扫码:
延伸阅读:玩转机器学习、流分析和PowerBI-实时观察病毒式传播
或许你觉得这只是微软的一个小玩具,但其实背后隐藏着很多高科技呢,重点有三个:机器学习、流分析、PowerBI。
微软是如何通过这些技术判断照片里人物的年龄的呢?为了解答大家的疑惑,同时展示自己的最新成果,微软特意分享了一篇文章,揭开了颜龄机器人幕后的秘密。
这是一个挺有意思的故事。我们起初期望大约会有50人左右来试用,结果很快就有有超过3万5千人试用,我们看见整个事情由此迅速展开。
为了向开发者展示如何利用微软Azure云服务轻松快速地开发智能应用,我们在Azure上用新发布的人脸识别APIs为2015年微软BUILD开发者大会第二天的主题演讲搭建了网站。本网站让用户上传照片,然后通过API预测照片中所有人物的性别和年龄。
目前,这些API的人脸定位功能及性别识别功能大致准确,然而年龄预测结果并不是非常准确,但常常能博得用户一笑,平添不少欢乐。
网站建成后,我们给数百名微软员工发了邮件,邀请他们体验这个网站并给出反馈。当时乐观地想要是有几十个人来这个网站、为测试提供有用的数据就算不错了。但三个小时后,我们的后台分析图表呈现出下图态势:
几个小时里,How-old.net收到了全球3万5千用户(其中大约2万9千人来自土耳其,下图显示,推特上有大量来自土耳其的用户提到了这个网页)上传的21万多张照片。
这个网页展示了用户使用的实时信息。比如,我们曾预测用户会用已经存在于网络的照片,或是使用页面上的必应图片搜索栏;然而网站分析的照片中,超过一半的是用户上传的自己的照片。这些信息帮助我们改善用户体验,还有助于我们额外测试手机上传照片。
那么这些是怎么实现的呢?
也许说起来难以置信,但两位工程师只花了几个小时便把整套解决方案(从网页到机器学习API到实时数据流分析再到实时BI)整合在一起。这很好地展示了Azure开发者的敏捷和创造力。
这款应用的关键功能在于以下三点:
-识别图片中人物性别及年龄
-获取上述抽取的数据的实时信息
-生成实时分析图表来显示上述结果
识别性别及年龄
我们想创造一个智能又有趣的体验吸引全球用户,于是我们浏览了微软Azure机器学习库里的一些API。这个网页里有个新套装ProjectOxford,由必应和微软研究院打造,内含大量面部、语言和视觉方面的服务。
我们用到的脸部识别API有个演示页,该页面可以检测到脸部并提取出相关信息。
我们觉得这个API的年龄及性别识别功能很有趣,所以选了这个方面作为我们的项目。为了让用户体验更加有意思,我们还加上了Azure市场里的必应搜索API,最终建成了网站。
除了年龄和性别,我们还用上了其他标准浏览器提供的信息,比如伴随着每个标准HTTP调用而来的用户代理字符串,以及照片上传地点的经纬度。
这些信息可用来计算很多网站使用的数据统计,比如通过iPhone、Windows或安卓登录的数量,或者how-old.net最受欢迎的地区。
这点体现在下列JSON文件中:
[{"event_datetime":"2015-04-27T01:48:41.5852923Z",
"user_id":"91539922310b4f468c3f76de08b15416","session_id":"fbb8b522-6a2b-457b-bc86-62e286045452",
"submission_method":"Search",
"face":{"age":23.0,"gender":"Female"},
"location_city":{"latitude":47.6,"longitude":-122.3},
"is_mobile_device":true,"browser_type":"Safari","platform":"iOS","mobile_device_model":"IPhone"
}]
实时见解
为了理解从本网站得到的实时数据的模式,我们使用了一套新的微软Azure数据流服务。