Neuronales Netzwerk gibt Tipps für das perfekte Selfie

Gepostet in: Internet

Vor einiger Zeit hatte ich ja schon ein Video gepostet, das ein paar Tipps für das perfekte Selfie geliefert hat.
Leider wird dafür ein ordentlicher Haufen teurer Technik benötigt, den sich nicht jeder mal eben so leisten kann.

Mit dem aktuellen Beitrag möchte ich das Thema nochmal aufgreifen und auf ein Experiment verweisen, bei dem ein neuronales Netwzerk entscheidet, wie das perfekte Selfie auszusehen hat.

Eventuell kann die/der eine daraus für sich eine Vorteil bei Tinder und Co erhaschen ;)

In vorgenanntem Experiment hat Stanford Student Andrej Karpathy ein neuronales Netzwerk (ConvNet) dazu gebracht aus der Menge von 2 Millionen Selfies die guten von den schlechten Aufnahmen zu unterscheiden und die Merkmale zur Unterscheidung darzulegen.

We’ll take a powerful, 140-million-parameter state-of-the-art Convolutional Neural Network, feed it 2 million selfies from the internet, and train it to classify good selfies from bad ones. Just because it’s easy and because we can. And in the process we might learn how to take better selfies :)

Um das hinzubekommen, mussten verschiedene Schritte vollzogen werden.

  1. Ein Script schreiben, dass die bekannten sozialen Netzwerke nach Bildern durchforstet, die mit #selfie getagged wurden. Andrej hat somit etwa 5 Millionen Bilder gefunden.
  2. Die Menge der Bilder wurde auf 2 Millionen reduziert, indem Bilder mit mehreren Gesichtern herausgefiltert wurden.
  3. Als nächstes musste ConvNet darauf trainiert werden, zu erkennen, wann ein Selfie beliebt (und somit vermutlich gut) ist und wann nicht.
    Um das zu erreichen entschloss sich Andrej das ConvNet prüfen zu lassen, wie viele Menschen das Bild gesehen und wie viele davon es geliked hatten. Die einzelnen Nutzer wurden nach der Anzahl ihrer Follower sortiert und dann in Gruppen zu je 100 User eingeteilt. Anschließend durchlief man diese 100er Gruppen und sortierte die Bilder der User nach Anzahl der Likes von viel nach wenig – also von gut nach schlecht.
    Dabei wurden ausschließlich Bilder berücksichtigt, die länger als 1 Monat online waren.
    Ausgehend von diesem Ergebnis wurden dann die Top50 genommen und als „Positive/Gute Selfies“ definiert. Danach nahm Andrej die letzten 50 Selfies und legte sie als „Negative/Schlechte Selfies“ fest.
    Berücksichtigt wurden dabei übrigens keine Accounts, die zu viele oder zu wenige Follower hatten. Auch Selfies mit sehr vielen Tags wurden nicht gewertet.
  4.  Somit lag nun eine Referenz aus 1 Million guter und 1 Million schlechter Selfies für das ConvNet vor, um Bilder zu vergleichen und zu lernen, wie andere, neue Selfies einzustufen sind.

Klingt total langweilig?
Finde ich nicht!
Aber gut, kommen wir zu den Kernfragen.

Was macht denn nun ein gutes Selfie aus?

  • Sei weiblich!
    Selfies von Frauen werden durchweg höher bewertet, als die von Männern (Ach!). Um genau zu sein, ist unter den Top 100 Selfies selten auch nur 1 Mann zu finden.
  • Das Gesicht sollte 1/3 des Bildes einnehmen.
    Das Gesicht hat in allen guten Selfies etwa 1/3 des Bildes eingenommen und war leicht geneigt. Dabei war der Kopf meist mittig oder am oberen Bildrand angeordnet.
  • Schneide die Stirn weg.
    Warum? Keine Ahnung, aber die Top Bilder hören meist vor der Stirn auf – zumindest bei Frauen.
  • Zeige Dein (langes) Haar!
    Es ist auffällig, dass die Top Bilder von langem wallendem Haar, das über die Schulter fällt dominiert werden. Natürlich hauptsächlich bei Frauen.
  • Das Gesicht überbelichten.
    Sehr häufig sieht man in den besten Selfies überbelichtete Gesichter. Das sorgt i.d.R. für einen weicheren Teint. Scheint zu klappen.
  • Jag das Bild durch einen Filter!
    Schwarz-Weiß Fotos sind ähnlich erfolgreich, wie Verläufe oder die Verringerung des Kontrasts.
  • Für jedes Bild einen Rahmen.
    In vielen erfolgreichen Selfies sind Rahmen zu sehen.

 

Und was sollte man vermeiden?

  • Unterbelichtete Fotos.
    Dunkle Fotos wurden vom ConvNet durchweg schlechter bewertet. Meist leidet die Qualität auch unter den schlechten Lichtbedingungen (Rauschen).
  • Zu viel Kopf auf dem Bild.
    Dem ConvNet folgend, will niemand nur Gesicht oder Kopf sehen.
  • Keine Gruppenfotos
    Natürlich macht es Spaß Fotos mit Freunden zu machen, aber gemäß den Auswertungen von ConvNet sind Fotos mit nur einer Person erfolgreicher.

Geht ruhig mal auf die Seite von Andrej und schaut euch die Bilder vom Artikel What a Deep Neural Network thinks about your #selfie an.
Sollte ich die nötige Erlaubnis noch erhalten, packe ich die Bilder mit entsprechender Erklärung in diesen Artikel.

Auch wenn das Ergebnis aus diesem Experiment nicht wirklich überrascht, finde ich es interessant, wozu man Technik so nutzen kann.

Apropos nutzen:
Nutzer, die einen Twitter-Account haben, können ihre Selfies vom ConvNet bewerten lassen.
Dazu reicht es aus das Bild (möglichst im Format 1:1) an einen Tweet zu hängen, in dem der Bot @deepselfie erwähnt wird.

Aktivieren Sie JavaScript um das Video zu sehen.
Video-Link: https://twitter.com/deepselfie/status/658960578543616000

Viel Spaß!

 

Aktivieren Sie JavaScript um das Video zu sehen.
Video-Link: https://www.youtube.com/watch?v=kdemFfbS5H0

Wenn Dir dieser Beitrag geholfen hat und/oder Du mich finanziell unterstützen magst, kannst Du dies gerne per Paypal machen.

Bei Paypal spenden


Alternativ kannst Du Dir meinen Amazon-Partnerlink in die Favoriten legen und Amazon bei Deinen zukünftigen Einkäufen darüber aufrufen:

Amazon Partnerlink

Es entstehen Dir dadurch keine Mehrkosten, ich erhalte aber eine kleine Provision.


Über einen Kommentar freue ich mich natürlich auch :-)


The following two tabs change content below.

Jan B-Punkt

CEO, bitch!
Ich bin Jan, der Hauptakteur bei janbpunkt.de. Naja, eigtl. bin ich sogar der einzige Schreiberling hier. 1980 in Eckernförde geboren, lebe ich aktuell in Kiel und habe Spaß an Technik, Gadgets und dem Internet. Außerdem fotografiere und zocke ich gern. Verständlich, dass die meisten Artikel sich daher auf eben jene Themen beziehen.
Abonnieren
Benachrichtige mich bei
0 Comments
Oldest
Newest Most Voted
Inline Feedbacks
Zeige alle Kommentare