ai测试手相(ai测试手相扫一扫)

AI算命同手不同运？依靠大数据有随机性 或泄露指纹信息

广州日报讯 （全媒体记者王楚涵）扫一扫面相、手相，即可测算出你的一生运势，且准确率高达95%？曾在小巷中摆摊的算命先生，如今，披上人工智能的外衣，摇身变为高科技的“AI算命”产品。然而，记者了解到，此类“AI算命”并不科学，测算结果依靠大数据，具有一定的随机性。且在使用此类“AI算命”软件的过程中，极有可能泄露自己的面部信息或指纹信息，具有一定的风险性。

记者下载了一款“AI看手相”APP，该APP宣称基于3位国内资深相学大师整理的手相学基本概念，及AI学习近20万拥有108个定位的真实手相样本数据，从而测算出精准的数据。记者使用该APP对右手进行拍照分析，短短几秒钟时间里，一份得分92分的详细分析报告书便出来了，报告通过分析手指长短、掌心代表的事业线、爱情线和生命线等特征，从而对个人的事业、财运等进行了详细的分析和预测，但恋爱运势及晚年运势则需要付费30元方能查看。随后，记者对同一只手进行拍照再上传，仅获得了85分，指相分析也从“领导力强”“感性主义”变为了“魄力不足”“容易破财”，且相应的运势也与之前有所出入。

据悉，一位“AI算命”的软件卖家曾透露，分析结果依靠的是软件自带的数据库，测试结果是随机出具，两次上传相同的照片，可能出来不一样的结果，两次上传不同的照片，可能出来一样的分析结果，是一个概率问题，并不准确。有关专家提醒道，看面相、手相来推测运势，本就不具备科学依据。且使用此类APP时，需要用户上传头像或手相，极有可能泄露自己的面部信息或指纹信息。

“AI看面相”算命是假，算钱是真

人工智能技术与命理术相遇，被“AI面相”“大数据算命”等小程序、微信公众号、APP跨界融合。记者调查发现，所谓的“AI算命”，不过是披着科技的外衣，背后是一条分工完整的“吸金”生意链。

看相也玩酷炫黑科技？

扫描微信二维码，进入充满科技感的界面，上传一张面部照片，智能软件解码后就能生成一份号称“看透你一生”的分析报告。类似这种主打人工智能看相的微信公众号、小程序和APP并不少见。在微信上搜索“AI算命”，仅相关的公众号就有近60个，比如“神算子AI面相”“大数据AI面相”“AI智能算命大师”等。

一个名为“面相研究所”的微信公众号在首页上是这么自我介绍的：“相由心生，境由心转。面相学通过观察面部特征来解码人生命运，我们的程序则利用人工智能深度学习技术和人脸识别定位技术将这一中国传统文化重新呈现。”其界面上显示，目前已生成80多万份面相报告。

人工智能真能看相？从事面部扫描开发的北京理工大学教授翁冬冬介绍，面部扫描主要是通过读取脸上的特征点，用于身份识别，这是当前的主流方向。通过肤色和其他细部特征辅助判断疾病有一定可能，但用于看相并不具备科学依据，娱乐性质更多一点。

翁冬冬介绍，这样的程序开发门槛并不高，在网购平台花几百到几千元购买外包服务就能很快开发出来。“如果说它有作用的话，最多可以起到筛选人的作用——信这些命理术的人相对来说更容易上当受骗，更容易成为不法分子的‘目标’。”

躺着算钱的“AI算命”

记者调查发现，“AI算命”有自己的“吸金”套路，并逐渐形成了一条分工明确的生意链。

不少“AI算命”都以免费来吸引用户。记者在一个名为“AI面相解析”的微信公众号里输入照片，很快便生成了分析报告。但这份报告是不完整的，如果想进一步了解感情分析、事业分析等子报告，需要额外付费，解锁全部报告需要28.8元。同时，程序还默认一个人的微信只能做一次测评，如果想多做，必须支付4.9元或邀请好友测评。

记者调查发现，“AI算命”只是一个噱头，实质上是通过诱导分享、发展用户来吸金。不少“AI面相”类程序都在显著位置说明招募项目代理商。记者联系“AI面相解析”客服，顺利成为一名项目代理。客服介绍说，项目代理有两种，一种是通过朋友圈、社群、公众号转发带二维码的产品海报；一种是发展自己的代理，从代理的订单中提成。“通过扫描你分享的二维码进来的就是你的订单。用户扫码支付后，你可以提取七成，剩下的三成给平台。”客服解释说。

平台是最大的获利者，项目开发者基本属于“躺赚”。通过客服提供的账号，记者进入了一个名为“七零流量变现平台”的管理系统。在后台，不仅可以清楚地看到代理商的“直推收益”“代理收益”，也可以进行产品推广，生成推广链接。系统默认的产品价格是28.8元，代理商推广的收益按比例都要上交平台，代理佣金可提现。客服介绍，有资源、有自己社群的代理商月收入可过万元。

由于成本低廉、利润丰厚，不少命理类新媒体大号受到资本市场欢迎，如“s神棍局s”曾在不到两年的时间里获得了近千万元的融资，该号因违反相关规定已被停止使用，但类似的公众号、小程序等依然层出不穷。在一个网购平台上，提供“AI面相”“AI手相”“AI字相”等程序开发服务的店铺就有100多家，有的还打出了“2019最吸金项目”“吸金小能手”等广告。

对“AI算命”有必要加强监管

“AI算命”为何吸引了众多用户？湖南师范大学社会学专家胡建新表示，不少年轻人不会相信那种街头的算命先生，但这些有科技加持、号称科学算法的算命很容易迷惑人。同时，“AI算命”存在极大的信息泄露风险。例如，微信公众号“AI面相研究所”明确要求上传的照片“正面”“五官清晰”“不戴眼镜”“无刘海遮挡”。胡建新表示，如此清晰的生物信息很容易被一些不法APP或小程序利用。

一些专家认为，“AI算命”一类的经营行为处于“灰色地带”，属于“打擦边球”，有必要加强监管。记者通过微信公众号“AI手相研究所”支付了4.99元获取分析报告，最终收款方是“成都品途科技有限公司”。公开资料显示，其营业执照核准于今年6月，经营范围包括计算机软硬件的开发、销售及技术咨询、技术服务等。

南昌市市场监督管理局相关负责人表示，只要有经营行为，就必须取得营业执照，线上线下都一样，而算命、看相等字样是不可能出现在营业执照的经营范围内的。江西省社科院邓虹教授认为，在线看相行为要么是无证经营，要么是打着咨询、服务的旗号违规经营。

此外，代理零门槛、层级无限裂变、收益按比例提成，“AI算命”的营销推广模式也受到质疑。江西艾民律师事务所律师胡顺如介绍，最高人民法院、最高人民检察院、公安部出台的《关于办理组织领导传销活动刑事案件适用法律若干问题的意见》，对传销组织层级及人数的认定问题已经有明确表述；“AI算命”营销推广，如果代理层级多、人数多、金额大，就可能有传销之嫌。

(来源:新华社)

人工智能看“手相”？这回不是玄学，而是Fast AI的经典案例！

点击上方关注，All in AI中国

作者——Zahar Chikishev

利用较小的训练数据集检测图像的关键点位置。

要训练一个可以准确预测手指和手掌线条位置的网络，需要多少张贴有标签的图像？我的灵感来自于这篇博客（https://towardsdatascience/fun-with-small-image-data-sets-part-2-54d683ca8c96）。在这篇博客中，作者谈及，从每次训练的135张图片中区分出某一人是否配带眼镜的准确率高达97.5%。那么回到正文，从15个不同人的60幅贴有标签的图像中，我的任务能得到什么样的准确性？

12个检测点

其目的是准确估计一个手部图像12个点的x和y坐标。4个点在指尖，4个点在指根，另外4个点沿着掌心线等距，第一个点和最后一个点正好在这条线的起点和终点。

这些训练所需的照片是我朋友的照片。每人6张，左手3张，右手3张。这些照片是用不同的智能手机在不同白色背景和不同灯光条件下拍摄的。60张图片都是我手工标注的。

对于神经网络的处理，我使用基于PyTorch的fastai library v1.0.42（https://www.fast.ai/2018/10/02/fastai-ai/）。作为IDE的Jupyter笔记本，和我笔记本的NVidia GTX 960M 4Gb VRAM进行训练。我所得结果的总训练时间是25小时，考虑到这个GPU远远不是目前市场上最好的硬件，所以25个小时也还不错。

这个项目的主题是数据扩充，幸运的是Fast AI提供了高效的图像转换算法，并提供了干净的API来定义它们。让我们深入讨论细节。

数据和模型

将标记后的数据分为51幅训练图像和9幅验证图像。验证图像包括3张人的照片，以及6张既不出现在训练集上也不与训练中上的任何人共用背景或相机的照片。所有右手的图像在预处理中我们都进行了水平翻转（如下图所示）。

所有进行过标记的训练图片

在如此小的数据集上进行数据增强是必要的，我对进入神经网络的每个图像采取了随机缩放、旋转、亮度和对比度转换等等。Fast AI库允许我们容易地定义它。在底层，同样的仿射变换也应用于标签点。图像按照样本均值和序列集的方差进行归一化，其中每个RGB通道单独进行归一化，并按4:3的比例调整大小，更具体地说，是384×288像素。听起来有很多东西需要我们定义。但令人惊讶的是，整个数据定义可以归结为以下代码片段：

这个模型是标准的resnet34。从resnet34中删除最后两个分类层，然后加上1x1卷积来减少通道数，并与两个完全连接的层相连。第二个全连通层输出24个激活，经过双曲正切激活函数后表示为12个关键点的x、y坐标。

但有时用代码说话更好:

代码头部的定义使用了常规的PyTorch语法和模块，除了我写的重塑模块之外，它还重构了张量。这个重塑是必要的，因为我的标签坐标在内部由Fast AI表示为12×2张量，它需要匹配。另外，标签被Fast AI重定位到[-1;1]范围，所以这里使用双曲正切激活函数比较合适。

优化目标是使训练中的L1损失最小化。

有两个额外的准确性指标来判断网络的性能和进度。第一个和第二个指标分别为0.1和0.01。即，在验证集上计算实际标签与预测坐标误差在0.1和0.01之间的比例。这里标签的范围也是[-1;1]，给定图像大小为384×288像素。我们可以很容易地计算出第二个度量允许高度和宽度的最大误差分别为1.92和1.44像素。

神经网络训练

神经网络训练是通过运行这行代码40次来完成的:

除了使用Adam optimizer定期进行100个迭代次数的训练外，Fast AI方法还具较好的学习率和动量策略，这是Fast AI在广泛的应用中使用的一种更快收敛的方法。更多细节见Sylvain Gugger的博客（https://sgugger.github.io/the-1cycle-policy.html）。我发现它很适合我的模型。对于每100个训练周期而言，在50个训练周期之后，错误率比开始时要高，但是在周期结束时，错误总是会得到改善。如果你还是不明白，请看下面这张图片。

学习速率(左)和动量(右)在100个epoch变化。

迭代次数损失为2500到2600，每回迭代次数有8批。我们在迭代次数 2500中添加了更多的数据。

这个学习速率和动量的过程称为1cycle策略。据说，它还有助于对抗过度拟合，而且它似乎比我尝试过的其他选项收敛得更快。

我将训练分为5个步骤，以帮助大家理解不同变化的影响：

1500个迭代次数， resnet34个骨干层\"冻结\"在ImageNet的预训练值上，只训练自定义头层，并且仅使用35个训练图像集。300个迭代次数后，\"解冻\"骨干层。700个迭代次数后，增加了更多的数据扩充。具体来说，max_zoom 5%到10%，max_warp 5%到20%，max_rotate 5到10度。500个迭代次数后，从另外4个人那里向训练集添加了16个图像。使训练集的总大小达到51。1000个迭代次数后，每个cycle减少20%的学习率，最后一个cycle达到1e-5左右的学习率。记住，每个周期是100个迭代次数。

以下图表总结了进展情况:

在4000个迭代次数后的训练中损失和准确性度量。

这5个步骤中的每一个都对模型进行了额外的改进。数据扩充中的转换尤其重要，它对验证集错误的改进有重要贡献。\"解冻\"和更多的数据也为验证集提供了很好的改善。另一方面，虽然降低学习率显著改善了训练集的错误，但并没有较大的突破。过度拟合在这里是一个真正的问题，使用较小的学习率会使情况变得更糟。

总的来说，在训练过程中，网络共看到14.7万张不同的变换图像，训练时间为25.5时。

讨论的结果

训练集的最终平均L1误差为0.46像素，而验证集的平均L1误差为1.90像素。此外，训练集的这个分数是针对转换后的图像，而验证图像则没有转换。这是明显的过拟合。

尽管如此，结果还是相当不错的，验证集推断如下图所示。注意，绿色的点是实际的标签，红色的点是最终模型的预测。从结果上看，该模型似乎使其预测更具有全局性和相互依赖性，而不是给局部边缘更多的权重。

最终结果：图1、图2和图3是训练集中不同人的手。图4到6和图7到9是没有出现在训练集合中两个人的手。绿色的点是实际的标签，红色的点是预测的结果。

模型改进的明确方向是更多的数据和更智能的数据扩充。平均误差仍然需要小4-5倍才可以。

是哪里出现了问题？

在不同的地方添加dropout层等是没有用的。这可能是因为使用1cycle策略的高学习率本身就是一种正则化的形式，不需要更多的正则化。为不同的层组选择不同的学习率也是一个死胡同。

如果一开始就删除BatchNorm层，模型就会停止训练，即使学习率更低(1e-5)。

我尝试了另外两种骨干模型架构，Darknet（https://docs.fast.ai/vision.models.html）和U-Net（https://docs.fast.ai/vision.models.unet.html#vision.models.unet），它们具有不同的自定义头部，但是在我的实验中，它不如简单的resnet34工作得好。

最后，Fast AI库在这一点上只有仿射变换(平行线映射到平行线)和透视变换(直线映射到直线)。考虑到数据增强在这个项目中的重要性，我进行了一个额外的转换，如图所示。然而，由于某些原因，它并没有带来改善。

结论

该模型仅用51幅训练图像就达到了较好的预测精度。越来越多的数据被证明可以提高精度，并在一定程度上成功地对抗过度拟合。

Fast AI库是这个项目的一个合适工具，它有以下优越性：

简洁但灵活的数据和模型定义用于数据扩充的一系列内置仿射和透视图转换，它们可以自动转换标签点智能学习率和动量策略似乎能更快地收敛并减少过拟合

AI算命同手不同运？

广州日报讯 （全媒体记者王楚涵）扫一扫面相、手相，即可测算出你的一生运势，且准确率高达95%？曾在小巷中摆摊的算命先生，如今，披上人工智能的外衣，摇身变为高科技的“AI算命”产品。然而，记者了解到，此类“AI算命”并不科学，测算结果依靠大数据，具有一定的随机性。且在使用此类“AI算命”软件的过程中，极有可能泄露自己的面部信息或指纹信息，具有一定的风险性。

记者下载了一款“AI看手相”APP，该APP宣称基于3位国内资深相学大师整理的手相学基本概念，及AI学习近20万拥有108个定位的真实手相样本数据，从而测算出精准的数据。记者使用该APP对右手进行拍照分析，短短几秒钟时间里，一份得分92分的详细分析报告书便出来了，报告通过分析手指长短、掌心代表的事业线、爱情线和生命线等特征，从而对个人的事业、财运等进行了详细的分析和预测，但恋爱运势及晚年运势则需要付费30元方能查看。随后，记者对同一只手进行拍照再上传，仅获得了85分，指相分析也从“领导力强”“感性主义”变为了“魄力不足”“容易破财”，且相应的运势也与之前有所出入。

据悉，一位“AI算命”的软件卖家曾透露，分析结果依靠的是软件自带的数据库，测试结果是随机出具，两次上传相同的照片，可能出来不一样的结果，两次上传不同的照片，可能出来一样的分析结果，是一个概率问题，并不准确。有关专家提醒道，看面相、手相来推测运势，本就不具备科学依据。且使用此类APP时，需要用户上传头像或手相，极有可能泄露自己的面部信息或指纹信息。