最近，國內(nèi)外糟心的事太多了，每天看得文摘菌郁郁寡歡。
每次這個(gè)時(shí)候，文摘菌都會(huì)去朋友家吸貓，吸著吸著就感覺神清氣爽了，可謂一劑良藥。
最近文摘菌發(fā)現(xiàn)，吸貓治愈這個(gè)事，還不是個(gè)例。
去年，日本一對夫婦就在推特上分享了自己的生活小竅門，其中一個(gè)就是生氣的時(shí)候暫停存檔，先吸貓平復(fù)一下心情再說，就像這樣：
甚至有網(wǎng)友評論表示，吸貓有助于世界和平。
不過，吸貓雖好，可不要貪杯噢。
今年1月份的時(shí)候，就有一名女子因?yàn)槲埢忌狭恕?strong>鸚鵡熱”。得了“鸚鵡熱”的人大多是因?yàn)椴恍⌒奈肓锁B類干燥糞便中的衣原體，雖然吸貓不一定會(huì)有這樣的“副作用”，但小心駛得萬年船。
那么問題來了，有沒有什么方法能夠安全吸貓，最好能在心情抑郁的瞬間就能吸到貓呢？
最近，有個(gè)名叫Andrew Healey的博主就在博客上分享了自己做的一個(gè)項(xiàng)目，只要他在電腦前露出了傷心難過的表情，電腦就會(huì)立馬給他發(fā)送貓貓的照片，雪中送炭不過如此了。
效果大概是這個(gè)樣子：
好了好了，文摘菌知道很多人已經(jīng)等不及了，我們現(xiàn)在就來看看這個(gè)項(xiàng)目到底是怎么完成的。
在吸貓之前，我們得讓電腦知道我們現(xiàn)在很傷心，這樣它才會(huì)給我們發(fā)貓貓照片。
在面部表情識(shí)別這塊，Healey選擇了開源的vladmandic/human，該數(shù)據(jù)庫中提供了一個(gè)API來獲取一些常見情緒的權(quán)重。
他將情緒簡單地分為“好”與“壞”，這樣對電腦來說會(huì)更容易區(qū)分和識(shí)別，同時(shí)系統(tǒng)會(huì)給每種情緒進(jìn)行評分，總分在-1（非常差）和1（非常好）之間。
由于不想每次因?yàn)榇驀娞缇碗S意觸發(fā)系統(tǒng)運(yùn)行，Healey還添加了一個(gè)3秒追蹤平均值來評估當(dāng)前的情緒。
在添加的調(diào)試控制臺(tái)中，就能看到這些情緒分?jǐn)?shù)，就像這樣：
在系統(tǒng)發(fā)送一張貓貓照片之后，它也會(huì)進(jìn)入5分鐘的待機(jī)時(shí)間，然后才會(huì)重新開始工作。
Healey將所有前端代碼寫在一個(gè)index.html原型文件中，主循環(huán)以30-40 FPS的速度運(yùn)行。
第一步完成了，接下來我們要讓電腦給我們發(fā)送貓貓照片。
在這里，Healey使用的是Pushover，該程序目前在程序員家庭自動(dòng)化項(xiàng)目中還挺受歡迎的。
隨后，Healey將兩個(gè)API粘合在一起以獲取消息數(shù)據(jù)。隨機(jī)名稱來自網(wǎng)站randomuser。
https://randomuser.me/api/
https://api.thecatapi.com/v1/images/search
實(shí)際上，獲得照片后還需要調(diào)整圖像大小，因?yàn)镃at API致力于提供高分辨率的照片，通常能有5MB。
以下就是最終得到這個(gè)函數(shù)的方式：
Healey使用PythonSimpleHTTPRequestHandler來提供靜態(tài)文件，這與one-liner提供文件時(shí)運(yùn)行的服務(wù)器相同python -m http.server。
Healey的計(jì)劃是不為此運(yùn)行后端，雖然這仍然是一個(gè)可以實(shí)現(xiàn)的目標(biāo)，但他發(fā)現(xiàn)用Python編寫API粘合代碼更快。當(dāng)他意識(shí)到還需要一個(gè)API路由來處理“send cat”時(shí)，他正要安裝Flask，但似乎可以......通過添加這個(gè) hack 繼續(xù)使用這個(gè)簡單的服務(wù)器：
說到面部識(shí)別，此前Nature就發(fā)表了一篇論文，證實(shí)了人類情感表達(dá)跨越地域和文化邊界的普遍性。
論文鏈接：https://www.nature.com/articles/s41586-020-3037-7
一般來說，人類面部有43塊不同的肌肉，這些肌肉可以被激活在眼睛、鼻子、嘴巴、下巴、下巴和眉毛周圍，從而做出數(shù)千種不同的表情。
為了研究這些表情，加州大學(xué)伯克利分校和谷歌的研究人員使用被稱為“深度神經(jīng)網(wǎng)絡(luò)”的機(jī)器學(xué)習(xí)技術(shù)，分析了YouTube上約600萬個(gè)視頻片段中的面部表情，這些視頻來自北美、中美、南美、非洲、歐洲、中東和亞洲的144個(gè)國家。
同時(shí)，研究人員還創(chuàng)建了一個(gè)在線互動(dòng)地圖，展示了該算法如何跟蹤與16種情緒相關(guān)的面部表情變化，包括娛樂、憤怒、敬畏、專注、困惑、蔑視、滿足、欲望、失望、懷疑、得意、興趣、痛苦、悲傷、驚訝和勝利。
研究人員還發(fā)現(xiàn)，無論身處世界各地，這16種面部表情都出現(xiàn)在類似的情境中。每個(gè)人都傾向于以類似的方式歡呼、哭泣、集中注意力和慶祝，沒有一群人會(huì)因受驚而微笑、聳肩或因高興而皺眉。
也就是說，我們用來表達(dá)情緒反應(yīng)的70%的表情是跨文化共享的。
所以，不要擔(dān)心電腦看不懂你的表情，難過的時(shí)候你就難過給它看，然后好好吸貓放松一下~
love&peace！
https://healeycodes.com/when-im-sad-my-computer-sends-me-a-cat
https://twitter.com/NEKOLAND13/status/1442795503859613697
