Trump is groener dan je denkt

Mais lijkt het meest op Trump. En een cavia nauwelijks.

Dat wil zeggen, van alle foto’s waarin mensen opmerkelijke overeenkomsten zagen tussen foto’s van president Trump en diverse voorwerpen of dieren (link, link) , scoorde mais het beste in onze test.

Sinds 2014 is de computer even goed als een mens wanneer het gaat om vergelijken of 2 gezichten op een foto van dezelfde persoon zijn (link) . Hoe goed is de computer om overeenkomsten te zien tussen meer diverse onderwerpen? Mensen zien van alles, afhankelijk van hun achtergrond, fantasie en interesses. De een ziet alleen wolken, de ander ziet schapen, een schip en een draak voorbij komen.

Hoeveel overeenkomst is er tussen Trump en de ge-associeerde foto’s volgens de computer? Wij trainden een neuraal netwerk met foto’s van de president (Trump), met foto’s van mensen die hem nadeden (Lookalikes), en met foto’s van mensen die niet in die categorieën vallen (geen Trump). Na een kwartiertje trainen kon het model 84% van de foto’s in de goede groep plaatsen.

Na deze training gebruikten we het model om de foto’s te testen waarin men een overeenkomst zag. Lijkt een foto het meest op Trump, op zijn Lookalikes, of op andere mensen?


Tabel 1. Computergroepering van foto’s waarin mensen een overeenkomst zagen met Trump

Van alle geteste foto’s leek de mais foto het meeste op Trump. Ter controle hebben we nog andere maisfoto’s door het model laten classificeren, en die leken toch echt meer op de Lookalikes, dus deze mais heeft iets.


Foto links: Trump-mais. Foto rechts: Lookalike-mais

Het menselijk oog verwerkt een continue stroom aan beeldmateriaal. Onze hersenen kiezen razendsnel in welke categorie het plaatje hoort. Mens, dier, auto, huis, het gaat als vanzelf. Ook kleine verschillen worden gezien, waardoor verdere verfijning mogelijk is, zoals het merk van de auto of het specifieke hondenras.

De computerprogramma’s die dit ook kunnen, worden steeds beter. Dat is handig voor bijvoorbeeld de politie. Automatische gezichtsherkenning wordt gebruikt om foto’s te vergelijken met een miljoen foto’s van veroordeelden en arrestanten (link). Ongeveer 10% van de geteste foto’s bleken inderdaad in de database voor te komen. Voor de overige 90% was geen match. Misschien kwamen ze niet voor, of de foto-kwaliteit was niet voldoende om de overeenkomst te zien. Hoe ‘ziet’ een computer eigenlijk of iets hetzelfde is?

Neurale Netwerken

Beeldherkenningssoftware gebruikt een neurale netwerk. Dit is een computermodel dat lijkt op de structuur van onze hersenen. Het netwerk bestaat uit een ingangslaag, een of meerder tussenlagen en een uitgangslaag. Elke laag bestaat uit neuronen die verbonden zijn met de neuronen uit de laag ervoor. De overdrachtsfunctie van de verbinding bepaald hoeveel van de ingangswaarde wordt gebruikt.

Door verbindingen sterker of zwakker te maken kan het netwerk aangepast worden om zo de gewenste uitkomst te produceren. Bij beeldherkenning vormen de beelden de ingangslaag. De gewenste categorieën vormen de uitgangslaag. In het geval van beeldherkenning heeft de tussenlaag heeft 3 dimensies, voor de hoogte, breedte en kleur van het beeld. Tijdens het trainen worden de verbindingen continue aangepast. Er is voldoende trainingsmateriaal materiaal nodig om het model goed te trainen. We keken ook hoe belangrijk met aantal foto’s om te trainen was. Voor deze dataset namen de fouten toe op het moment dat je minder dan 70% van de trainingsdataset gebruikte.

Bij te lang trainen kan het model het trainingsmateriaal perfect classificeren, maar zal het juist slechter presteren met nieuwe foto’s.

Tot slot

Het merendeel van de foto’s werd geclassificeerd als Lookalike, en anders als geen Trump. Overigens hebben we ook nog foto’s van een aantal personen getest. Boris Johnson leek het meeste op Trump, Geert Wilders en de collega’s toch echt niet. Wellicht wordt een bepaald punt uitvergroot door de trump-imitators, en komt dit ook terug in de andere associaties. Computers kunnen in tekst al wel humor herkennen (link), bij beelden lijkt dit de volgende uitdaging te zijn.

Mogelijke toepassingen van beeldherkenning

-Prijsvergelijking van producten van diverse websites
-Diagnose van medische foto’s
-Herkenning van een machine onderdeel
-Classificatie van bacterië-kolonies
-Monitoring van demografische kenmerken via Google Street View

Mocht u het model in actie willen zien, of bent u benieuwd wat beeldherkenning in uw organisatie kan betekenen, neem dan met mij op of kijk op de website van Nextgem voor meer informatie.

Met vriendelijke groeten,

Marcel Boeren

Managing Partner | Data Strategy & Innovation

Fri, 23 February