7月6日，这可能是一年中最适合亲吻的日子——国际接吻日（International Kissing Day）。
这个节日最早起源于英国。1991年这个节日得到了联合国的承认，也希望让更多人知道，亲吻的美好，这也是人类表达爱意最自然的一种方式。
那么，人工智能可以通过训练了解亲吻吗？
来自Netflix的一位高级数据科学家就对“kiss”镜头情有独钟，并且通过上百部电影接吻情节的定位，成功训练出了可以准确识别电影亲吻桥段的AI模型——模型的独创性在于可以区别亲吻与性行为。
大千世界，无所不能，AI也能检测到"kiss"？随文摘菌一探究竟吧。
让AI区别kiss和sex
作为爱情片的代表情节，“亲吻”一直是很多观众最爱反复观看的镜头。不管是《人鬼情未了》中Swayze和Demi Moore的经典接吻桥段，还是《泰坦尼克号》中Rose和Jack的临别一吻，都造就了经典中的经典。
而在电影观看过程中，寻找kiss镜头，就成为了不少娱乐视频场景下的一个真实需求。
这项基于人工智能识别接吻的研究由出自Netflix高级数据科学家Amir Ziai之手——此时他正在斯坦福大学攻读人工智能研究生学位。
Ziai在上世纪好莱坞电影中挑选了100部有代表性的作品，并为电影片段手动标注“亲吻”或“非亲吻”标签，用静态画面和声音片段来训练深度学习算法，以实现对亲吻场景的画面和声音的识别。
为了避免任何人得到错误的印象，目前还不能确定亲吻识别算法能否用于性爱场景。Ziai说到，“在我的训练集中，我尽量避免出现性爱场景，这样就能确保我的模型不会混淆接吻和性爱。”
Ziai目前的雇主Netflix并没有参与到斯坦福大学的这个项目上，但该项目在arXiv中有详细记载；另外，即使Ziai还没去调研这项研究在Netflix上的应用，但是不难想象，Netflix或其他公司（如YouTube，Facebook，Instagram和TikTok等处理大量流媒体或存储视频的公司）可能会对这一技术的商业应用场景感兴趣。
该图是1990年的电影《人鬼情未了》中Swayze和Demi Moore的经典接吻桥段，数据科学家便是用了近百部类似的电影桥段来训练AI模型识别亲吻的行为。
感兴趣的读者可以阅读论文原文，附上地址：
https://arxiv.org/pdf/1906.01843.pdf“双管齐下”：不仅视频识别，还有kiss的音频识别
应用于接吻场景视觉识别最成功的深度学习模型是ResNet-18，这是一种图像分类算法，且该算法经来自ImageNet数据库超过一百万张图像的预训练；而为了识别接吻场景的声音，研究人员采用了名为VGGish的深度学习模型，通过每个以秒分段的场景的后960毫秒音频训练。这种双管齐下对接吻的图像和音频同时处理的AI方法使得训练出的模型获得了惊人的F1分（算法精度和准度的加权平均值，度量模型的一种指标）——0.95。
ResNet-18模型结构图
在模型结构中，采用"shortcut connection”方式，也就是上图中的弧线来减少卷积网络传播过程中的计算和参数量，感兴趣的读者可以研究下，VGGish是是产生音频数据集的工具,一般用于音频分类。
github网址如下：
https://github.com/tensorflow/models/tree/master/research/audioset 
