【16小时登顶黑客马拉松】加州理工大二学生开发“狗脸计算器”

2018 年 4 月 11 日 新智元 闻菲

新智元报道

来源：LAHacks

作者：闻菲

【新智元导读】美国西部最大黑客马拉松LA Hacks 2018上周落下帷幕，36小时的比赛时间里，加州理工学院大二学生、美籍华人Eric Zhao仅用16小时，完成了一个“狗脸计算器”并获得优胜。借用词嵌入的思想提出了图像嵌入，这款计算器不仅能计算宠物狗面部相似度，还能计算两只不同的狗“加起来”是什么狗。

狗是人类的好朋友，狗伴随了人类文明演化的历程。虽然关于人类是什么时候把狼驯化成了狗，科学家至今没有达成统一的意见。但毫无疑问，狗的物种多样，是人类驯化史上的一个奇观。

有大的狗，有小的狗。

有高的狗，有矮的狗。

有萌的狗，有萌的狗，有萌的狗。

除了品种多样，不同品种的狗交配产下的后代，造成外观五花八门。

如今，狗已经成了我们生活中再熟悉不过的一部分。

你有没有想过，两只狗之间的相似度是多少？有没有办法快速区分这只汪和那只汪呢？

比如快速区分上面这几只

现在，我们有了一个好方法。

还能在手机上运行。

在前不久落下帷幕的LAHacks 2018上，加州理工学院大二学生、美籍华人Eric Zhao，提交了一个“狗脸计算器”，不仅能计算两只宠物狗的面部相似度，还能进行“狗狗加减”——输入两只狗的图片，看看它们加起来会得出一只怎样的狗。

这个创意不仅有趣，而且Eric在仅仅16个小时的时间里，就完成了从项目提出到最终demo的全过程。

仅16小时完成黑客马拉松并获优胜，百度开源机器学习框架PaddlePaddle是秘密武器

LA Hacks（洛杉矶黑客马拉松），是美国西部地区最大的Hacks活动。

黑客马拉松（hackathon）是开发者的狂欢。在一场黑客马拉松里，一众开发者聚在一起，在为期几天到一周的时间里，从零开始编写一款应用程序。

2018年的LA Hack在UCLA（加州大学洛杉矶分校）举行，吸引了上千名来自当地名校的顶尖黑客，比赛时间是连续36小时。

今年的优胜者，就是上面提到的，加州理工学院大二学生、美籍华人Eric Zhao提出的“狗脸计算器”。36个小时的比赛，Eric仅用16小时便成功登顶。

如何如此快速做到这一点？

Erci将他成功的一大原因，归功于使用的平台——来自中国的分布式机器学习框架、由百度在2016年8月底开源的PaddlePaddle。“我使用Nvidia-Docker和PaddlePaddle自动部署和训练模型。这让我可以专注于编码而不是设置服务器。”Eric在接受新智元采访时表示：“PaddlePaddle直观的Python framework让我能够在几分钟内实现新的神经网络设计。”

Eric Zhao 同学

Eric告诉新智元，据他所知，在美国最常用或者说最受欢迎的框架是Torch，Tensorflow和Theano（虽然Theano已经停止更新），相比这些竞争对手，Eric认为PaddlePaddle的优势在于易学、易上手。

“我在其他机器学习框架中使用的几乎所有内容，都以某种形式在PaddlePaddle上提供。从速度上说，PaddlePaddle很快，虽然不是我用过最快的。

“从功能上说，PaddlePaddle挺标准，但我个人认为其框架设计比我用过的大多数框架都更直观。”不大懂中文的Eric不得不将大部分PaddlePaddle的中文文档翻译成英文，但他仍然能够很快地学习，“我认为这证明了PaddlePaddle设计的质量。”Eric说。

“PaddlePaddle易学易上手，虽然结构简单，但保留的功能是核心技术，极大地提高了使用者的效率。我在使用PaddlePaddle的过程中发现，它是在云上搭建GPU集群最方便的方法，能在较短的时间内对复杂模型进行逐层调优可视化，使我的作品更具竞争力。”

Eric认为百度开源机器学习框架PaddlePaddle的设计，比他用过的大多数框架都更直观

狗脸计算器：吉娃娃 + 马尔济斯 = ？

Eric的“狗脸计算器”，基于词嵌入（word embeddings）的方法，通过为犬类图像嵌入允许相似度识别和其他语义操作的模型，成功实现了“计算宠物狗面部相似度”的想法。

宠物狗图像嵌入

在Eric的模型中，他在SqueezeNet上堆叠了一个Siamese Network（孪生网络）来生成宠物狗图像嵌入。这些嵌入表示两张狗图片的相似程度。你还可以添加和减去这些嵌入来查找与其相似或不相似的狗。

其中，SqueezeNet[1]模型由伯克利和斯坦福的研究人员提出，其设计目标不是为了得到最佳的CNN识别精度，而是希望在满足基本识别精度的前提下，尽可能简化网络复杂度。孪生网络[2]架构则能够判断两张图片属于同一个类别的概率。不仅如此，孪生网络还能实现少样本学习——具体可以看新智元之前的文章：深度神经网络 One-shot Learning：孪生网络少样本精准分类——这在一定程度上解决了图像识别/分类任务中，需要大量训练图像的问题。

Eric使用斯坦福的一个宠物狗图像数据集训练SqueezeNet，然后在这个预训练模型的基础上，冻结前几层，并将最后几层替换为一个Siamese Network。