近日，在國(guó)際權(quán)威的人臉識(shí)別標(biāo)準(zhǔn)評(píng)測(cè)數(shù)據(jù)庫(kù) LFW 和 MegaFace 上，云知聲團(tuán)隊(duì)研發(fā)的人臉識(shí)別 UFaceID 算法系統(tǒng)，在上述兩項(xiàng)標(biāo)準(zhǔn)評(píng)測(cè)中，性能分別達(dá)到 99.80% 和 98.47%。該成績(jī)除了反映云知聲現(xiàn)階段的計(jì)算機(jī)視覺(jué)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(shí)別研究領(lǐng)域最重要的人臉圖像測(cè)評(píng)集合之一，MegaFace為目前最具權(quán)威的、熱門的評(píng)價(jià)人臉識(shí)別性能的數(shù)據(jù)集之一。簡(jiǎn)單來(lái)說(shuō)，LFW 針對(duì)早期人臉驗(yàn)證任務(wù)提出評(píng)測(cè)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(wàn)級(jí)別的 1：N 人臉辨識(shí)任務(wù)的評(píng)測(cè)指標(biāo)，難度更大，是目前學(xué)術(shù)界測(cè)評(píng)的新主流。

據(jù)雷鋒網(wǎng) AI 科技評(píng)論了解，云知聲為首次參與內(nèi)部測(cè)評(píng)，之所以能獲得評(píng)測(cè)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(tái)——Atlas 脫不開關(guān)系。

Atlas 機(jī)器學(xué)習(xí)智能計(jì)算平臺(tái)以 GPU 和 CPU 為計(jì)算集群的基礎(chǔ)硬件資源，針對(duì)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(guò)計(jì)算任務(wù)容器化和圖形化的任務(wù)交互，最大化的簡(jiǎn)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(duì)智能計(jì)算對(duì)海量真實(shí)應(yīng)用場(chǎng)景數(shù)據(jù)的訪問(wèn)特點(diǎn)，Atlas 智能計(jì)算平臺(tái)構(gòu)建具備 PB 量級(jí)的高 IO 和高可靠的分布式存儲(chǔ)系統(tǒng)。

此外，在 Atlas 智能計(jì)算平臺(tái)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(dòng)調(diào)參和模型壓縮模塊，實(shí)現(xiàn)全流程托管式自動(dòng)調(diào)參，能夠?yàn)椴煌瑘?chǎng)景下的 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(píng)測(cè)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(jué)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(lái)看，技術(shù)的最終目的是落地，由單純算法所驅(qū)動(dòng)的技術(shù)差距實(shí)際上正在變得越來(lái)越小，如何將技術(shù)落地到場(chǎng)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(shí)別 權(quán)威評(píng)測(cè)