近日，在國際權(quán)威的人臉識別標(biāo)準(zhǔn)評測數(shù)據(jù)庫 LFW 和 MegaFace 上，云知聲團(tuán)隊(duì)研發(fā)的人臉識別 UFaceID 算法系統(tǒng)，在上述兩項(xiàng)標(biāo)準(zhǔn)評測中，性能分別達(dá)到 99.80% 和 98.47%。該成績除了反映云知聲現(xiàn)階段的計(jì)算機(jī)視覺能力，亦可視作云知聲在多模態(tài) AI 能力建設(shè)方面的決心。

LFW 是人臉識別研究領(lǐng)域最重要的人臉圖像測評集合之一，MegaFace為目前最具權(quán)威的、熱門的評價(jià)人臉識別性能的數(shù)據(jù)集之一。簡單來說，LFW 針對早期人臉驗(yàn)證任務(wù)提出評測方法與指標(biāo)，結(jié)果具有借鑒意義;而 MegaFace 提出的關(guān)于百萬級別的 1：N 人臉辨識任務(wù)的評測指標(biāo)，難度更大，是目前學(xué)術(shù)界測評的新主流。

據(jù)雷鋒網(wǎng) AI 科技評論了解，云知聲為首次參與內(nèi)部測評，之所以能獲得評測數(shù)據(jù)集的肯定，與云知聲分布式機(jī)器學(xué)習(xí)智能計(jì)算平臺——Atlas 脫不開關(guān)系。

Atlas 機(jī)器學(xué)習(xí)智能計(jì)算平臺以 GPU 和 CPU 為計(jì)算集群的基礎(chǔ)硬件資源，針對智能計(jì)算的需求和任務(wù)特點(diǎn)，使用云知聲內(nèi)部改進(jìn)的 Kubernetes 作為資源管理和調(diào)度系統(tǒng)，通過計(jì)算任務(wù)容器化和圖形化的任務(wù)交互，最大化的簡化算法研究人員提交計(jì)算任務(wù)的復(fù)雜度，實(shí)現(xiàn)計(jì)算任務(wù)的全流程管理和一鍵式分布式運(yùn)行。同時(shí)，針對智能計(jì)算對海量真實(shí)應(yīng)用場景數(shù)據(jù)的訪問特點(diǎn)，Atlas 智能計(jì)算平臺構(gòu)建具備 PB 量級的高 IO 和高可靠的分布式存儲系統(tǒng)。

此外，在 Atlas 智能計(jì)算平臺基礎(chǔ)上，為了更加高效地實(shí)現(xiàn)算法模塊共享和高效運(yùn)行，云知聲研發(fā)了 UniFlow 計(jì)算框架。支持 DNN、CNN、RNN/LSTM、seq2seq 等豐富的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法模塊，支持 TensorFlow 、 PyTorch 、Caffe 等主流計(jì)算框架以及用戶自定義算法，同時(shí)，優(yōu)化分布式任務(wù)的計(jì)算和通信邏輯，計(jì)算效率提升 50% 以上。在下一代的 UniFlow 中，還將集成自動調(diào)參和模型壓縮模塊，實(shí)現(xiàn)全流程托管式自動調(diào)參，能夠?yàn)椴煌瑘鼍跋碌?AI 數(shù)據(jù)處理、算法演進(jìn)提供高效的計(jì)算支撐。

云知聲 CEO 黃偉指出，「在 LFW 和 MegaFace 評測數(shù)據(jù)集上的初露鋒芒，檢驗(yàn)了云知聲在計(jì)算機(jī)視覺研究方面的新進(jìn)展，也更加堅(jiān)定了我們發(fā)展多模態(tài) AI 能力的信心。但是，從另一方面來看，技術(shù)的最終目的是落地，由單純算法所驅(qū)動的技術(shù)差距實(shí)際上正在變得越來越小，如何將技術(shù)落地到場景才是所有的 AI 公司應(yīng)該關(guān)心和考慮的?！?/p>

關(guān)鍵詞： 人臉識別 權(quán)威評測