還在@微信官方的同學，別被騙了

• 2019 年 10 月 7 日
• 筆記

今天微信官方被at了不知多少次，現在都是在求國旗的，後來求老公老婆的都有，被大家玩壞了。朋友圈的災難差不多像這樣子（圖片源自網上）：

但是事實真的是這樣嗎？？？其實，裡面有幾個漏洞。

首先，微信不是微博，你at它，對方是收不到的。

其次，假設有「微信官方」這個公眾號，它也是沒有許可權改你的頭像的。

事實上，公眾號的許可權有限，除非特意授權，它都不知道你的微訊號。

再次，這個套路千年聖誕節請求聖誕帽的套路已經玩過一次了！！怎麼就不長記性呢？

最重要的是：使用國旗作為頭像，如果涉及到商業用途，會違反《國旗法》，不知道騰訊新聞會不會涉嫌犯罪？？？

但是，技術上講，能不能自動給頭像加上國旗，或者加上帽子墨鏡呢？答案是可以的，想加什麼就加什麼，想穿什麼，就戴什麼！！

這個可以通過一種叫做「生成對抗網路（GAN）」的東西來實現。下面是一個給戴墨鏡的例子，感受一下GAN的強大！

驚不驚喜，意不意外？人工智慧輕輕鬆鬆給你戴了副墨鏡！既然墨鏡可以帶，戴帽子當然也是小case了！！

GAN用了博弈論的思想。兩個player：生成網路，對抗網路分別想最大化自己的payoff。生成網路的payoff是儘可能「以假亂真」；對抗網路則儘可能區分出來真（原始輸入數據）假（生成網路生成的假數據）。關鍵是，居然能夠達到均衡！沒有均衡，演算法不收斂，則模型毫無價值。納什證明了某種條件下均衡必然存在，成為博弈論之父。

除了GAN，還可以用更傳統的方法來「戴帽子」：1）識別出頭像中頭部所在位置，2）在頭部上方粘貼帽子。第二步很容易，關鍵是第一步。第一步中，首先要識別出頭像圖片里有沒有頭部（臉部）。自從卷積神經網路出來後，幾乎重寫了影像識別領域。下面是兩個例子：

看起來好複雜啊，一層一層，卷積-池化各種操作，乍一看去一頭霧水，不由佩服模型提出者的睿智……但仔細分析來，模型不是憑空而來，而是有道理的。

首先，影像識別要解決平移問題。你那張銀盆大臉在影像左側能識別出來的話，那麼在右側，或者在下側也應該可以識別出來。所以在卷積層有個「掃描」的過程。確保大臉在哪個位置都能被提取資訊。

其次，要解決遠近問題。不管你是大臉佔據了四分之三個影像的大頭貼，還是躲在閨蜜精緻的小臉後面一點點，都應該被識別出來。池化-再卷積解決了這個問題（當然也可以不池化）。佔據了四分之三個影像的大圓臉，被小塊卷積濾波器filter掃描，只是臉的局部進入濾波器，看不出來是圓形。被池化降取樣，相當於縮小了，再次卷積濾波器，可能整個圓形的大臉就會同時輸入到卷積濾波器中，神經網路會判斷為發現圓形。

好了，如何技術實現修改頭像的方法講完了，所有今天@微信官方請求國旗的童鞋！！！以下鏈接才是正規修改頭像的方法，拿走不謝https://rl.inews.qq.com/h5/nationaldayhead

— 完 —