2018 年 2 月，云從科技正式在國內(nèi)發(fā)布「3D 結(jié)構(gòu)光人臉識別技術(shù)」，這是中國企業(yè)首次將結(jié)構(gòu)光技術(shù)應(yīng)用在人臉識別系統(tǒng)上，相較以往的 2D 人臉識別及以紅外活體檢測技術(shù)，在精確度、響應(yīng)速度等方面取得革命性突破。

近日，云從科技又在跨鏡追蹤技術(shù)（Person Re-Identification，ReID）上取得重大進展，他們同時在 Market-1501，CUHK03，DukeMTMC-reID 三個數(shù)據(jù)集上刷新世界記錄。ReID 是利用計算機視覺技術(shù)判斷圖像或者視頻序列中是否存在特定行人，無需人臉，根據(jù)穿著、體態(tài)、發(fā)型就能識人。

圖：ReID 行人識別技術(shù)

云從科技近期在 AI 科技評論推出的數(shù)據(jù)庫項目「AI 影響因子」上表現(xiàn)活躍，針對他們的這兩大突破，雷鋒網(wǎng) AI 研習(xí)社對云從科技研究院副院長周翔進行了一次專訪，了解到云從研究院的工作、云從技術(shù)上的創(chuàng)新及目前的研究重點。

早在云從科技成立之前，周翔就在重慶中科院跟隨周曦博士（云從創(chuàng)始人）從事人臉識別研究。后來，周曦博士從中科院辭職成立云從，周翔也作為初創(chuàng)員工加入。

周翔目前擔(dān)任云從科技研究院副院長，主要負責(zé)三個方向：數(shù)據(jù)的收集與處理、技術(shù)研究、POC 測試。

以下為采訪原文，雷鋒網(wǎng) AI 研習(xí)社做了不改變原意的編輯整理。

云從研究院

問：云從科技研究院在公司里處于什么樣的戰(zhàn)略地位？目前研究院主要進行的工作有哪些？

周翔：云從所有核心技術(shù)都來自云從研究院，目前，研究院處于云從戰(zhàn)略最高點。研究院的工作圍繞三個方向展開：

• 一是對前沿算法的深入研究、自主創(chuàng)新。我們會緊跟當(dāng)前世界上最前沿的計算機視覺技術(shù)和人工智能技術(shù)，也會推陳出新，研究新的人工智能視覺算法。

• 二是針對業(yè)內(nèi)已有的算法進行深入研究。比如我們剛剛發(fā)布的「3D 結(jié)構(gòu)光人臉識別技術(shù)」，跨鏡追蹤技術(shù)（ReID）。此外，還有車輛、人群密度、交通行為、擁堵、醫(yī)療影像等等，只要與計算機視覺有關(guān)，我們都會或多或少進行布局。

• 三是將算法產(chǎn)品化。我們需要對這些算法進行封裝，做產(chǎn)品級別的 SDK 和引擎。

問：云從與中科院、上海交大共建兩個聯(lián)合實驗室，這兩個聯(lián)合實驗室目前主要進行哪些方面的研究？

周翔： 這兩個聯(lián)合實驗室側(cè)重于計算機視覺領(lǐng)域的前沿算法研究。云從會將前沿領(lǐng)域的研究放到高校團隊，讓學(xué)生與研究人員一起，做一些預(yù)研以及算法的基礎(chǔ)研究。

此外，云從創(chuàng)始人周曦是這兩所高校的博士生導(dǎo)師，他也會對學(xué)生進行論文指導(dǎo)，推薦他們參加頂會。

問：云從科技于 2015 年成立，這 3 年來，你們在計算機視覺領(lǐng)域取得了哪些具有代表性的技術(shù)突破？

周翔：云從成立之前，我們在中科院的技術(shù)就已經(jīng)比較領(lǐng)先。2015 年，我們在 FDDB(Face Detection Data Set and Benchmark) 和 LFW(Labeled Faces in the Wild Home) 上刷到前三之后，覺得已經(jīng)很好地展示了學(xué)術(shù)實力，就開始專心打磨產(chǎn)品。公司成立初期，我們更多看重產(chǎn)品落地。

當(dāng)然，我們也一直在做前沿研究，今年二月，我們發(fā)布結(jié)構(gòu)光 3D 人臉識別技術(shù)，最近，我們在 ReID（跨境追蹤技術(shù)）上又一次刷榜。

隨著公司的發(fā)展，隊伍越來越壯大，我們可能會有新的定位，也會去發(fā)表論文，宣傳技術(shù)上的突破。當(dāng)然，我們還需要靜下心來，踏踏實實將技術(shù)落地，只有這樣，客戶才會認可我們。

問：接下來云從研究院主要會攻克哪些方面的難題？

周翔：首先做好計算機視覺領(lǐng)域的基礎(chǔ)技術(shù)研究，比如對人臉、車輛、行人的檢測。

之后，我們會投入更多時間，去從人的角度分析構(gòu)建深度神經(jīng)網(wǎng)絡(luò)，讓深度學(xué)習(xí)具有可解釋性。對深度學(xué)習(xí)有所了解的人都知道，它是一個「黑匣子」，雖然很多時候遠勝傳統(tǒng)算法，但缺乏可解釋性。我們研究人工智能，應(yīng)該要讓計算機能夠像人類一樣去思考和識別，具備自己的邏輯判斷，并且我們?nèi)祟惪梢岳斫馑麄兊乃伎肌?/p>

問：你們近日在 Market-1501 上的首位命中率（Rank-1 Accuracy）達到 96.6%，刷新 ReID 榜單，這一數(shù)字是否還存在很大提升空間？與人臉識別相比呢？

周翔：提升空間肯定存在，但是對行人識別的研究比人臉識別更難。

• 第一，人臉的五官、臉型比較固定，不可能發(fā)生特別大的變化。行人不一樣，大家在走路、打球、跑步時的姿態(tài)千變?nèi)f化，伴隨彎腰、后仰等各種動作，沒辦法很好地約束。

• 第二，我們還要根據(jù)體態(tài)、穿著來判斷行人。如果很多人穿著同樣的衣服，識別難度將更大。我們主要的判斷依據(jù)就是服飾、配飾、體型、發(fā)型等特點。如果兩個人的服飾、發(fā)型等類似，這將很難辨識。

問：為了加深行人辨識的精準(zhǔn)度，主要用到的核心技術(shù)有哪些？

周翔：在行人識別上，我們創(chuàng)新性地提出全局+局部多粒度的識別理論。我們能通過人的形態(tài)、服裝等去做整體判斷，然后再通過一些細節(jié)，比如衣物商標(biāo)、挎包類型、服飾特征去判斷，即聚合同一個人在不同情況下的照片。

云從大腦

問：你們曾提到訓(xùn)練人臉識別時的網(wǎng)絡(luò)架構(gòu)，包括結(jié)構(gòu)化+非結(jié)構(gòu)化的數(shù)據(jù)、雙層異構(gòu)深度神經(jīng)網(wǎng)絡(luò)、三層金字塔式的遷移學(xué)習(xí)，這與云從大腦有什么關(guān)聯(lián)？

周翔：這是云從大腦其中一個最基礎(chǔ)的識別認知模型。

問：在云從大腦構(gòu)建的過程中，主要的技術(shù)難點有哪些？

周翔：最初構(gòu)建云從大腦時，還是存在一定難度。開源算法有很多，但我們需要研制出支持大類別分布式訓(xùn)練的算法。

人的類別是無窮的，以中國人來舉例，就有十幾億的類別，這需要大量數(shù)據(jù)進行訓(xùn)練。在算力一定的情況下，如何讓效率更高；如果模型太深，如何去做加速，這些難點需要一個個突破。

問：目前一直在進行云從大腦的優(yōu)化與改進嗎？

周翔：是的，目前云從大腦只有人臉識別功能，后續(xù)我們會加入行人識別，之后會慢慢擴充，加入車輛、人群等，讓它的應(yīng)用的領(lǐng)域更加廣泛。最后，我們還考慮將語音、文字等的識別全部構(gòu)建到云從大腦上，讓這個大腦就像人腦一樣，既能看懂圖像，還得讀懂文字，還能聽到聲音，理解語意。這是我們的最終目標(biāo)。

問：想要把行人識別等其他功能融合進云從大腦，需要解決哪些技術(shù)上的難點？

周翔：主要有以下幾點：

• 第一，將所有算法融合到一起，變成一個超級大腦進行統(tǒng)一分析，輸出有效信息。

我們常提到谷歌的 AlphaGo，它只會下圍棋，同樣，我們的網(wǎng)絡(luò)有些分析人臉，有些分析行人，有些分析車輛，如何將算法以及分析結(jié)果融合，變成一個整體，這是一個挑戰(zhàn)。

• 第二，海量的數(shù)據(jù)。

當(dāng)數(shù)據(jù)越來越多，如何對這些海量數(shù)據(jù)進行有效分析；哪些數(shù)據(jù)是無用數(shù)據(jù)，如何高效去除這些無用數(shù)據(jù)。

• 第三，算力。

如何通過硬件的異構(gòu)處理，充分提高算力和速度，降低能耗。

問：中科院李子青教授此前在雷鋒網(wǎng)安防峰會上提到，他們針對安防數(shù)據(jù)使用半監(jiān)督自主學(xué)習(xí)，這是一個技術(shù)亮點，效果好過監(jiān)督學(xué)習(xí)很多倍。你們在訓(xùn)練 AI 的時候，使用的是遷移學(xué)習(xí)。對比起來，半監(jiān)督自主學(xué)習(xí)和遷移學(xué)習(xí)在大規(guī)模人臉識別的場景下，差異點在哪里？

周翔：遷移學(xué)習(xí)是在一定的數(shù)據(jù)基礎(chǔ)上去做知識的遷移，我們在最底層也用到監(jiān)督學(xué)習(xí)，此外，或多或少會用一些半監(jiān)督或非監(jiān)督的學(xué)習(xí)方法。李子青教授團隊可能在半監(jiān)督學(xué)習(xí)算法里做了更多的改進，把它變成一個亮點，使這一算法的效率更高，效果更好。

其實每家公司在許多環(huán)節(jié)中或多或少都會有一些創(chuàng)新，大家的算法都會有各自的特點，用哪種算法并不是那么重要。

另外，方法的使用也與數(shù)據(jù)有關(guān)。前面提到我們有超大規(guī)模結(jié)構(gòu)化數(shù)據(jù)，利用這種數(shù)據(jù)，我們能很好地訓(xùn)練底層人臉識別模型。假設(shè)現(xiàn)在我們沒有這種數(shù)據(jù)，只有互聯(lián)網(wǎng)上的或是通過其它項目得到的非結(jié)構(gòu)化數(shù)據(jù)，那就沒辦法很好地用監(jiān)督學(xué)習(xí)，只能利用半監(jiān)督或非監(jiān)督學(xué)習(xí)的方法了。

走向行業(yè)

問：云從剛開始成立的時候，先在金融領(lǐng)域占據(jù)大量市場，后來又布局安防領(lǐng)域。在將產(chǎn)品應(yīng)用于這兩個行業(yè)的時候，對技術(shù)的要求會存在哪些差異？

周翔：差異非常大。

金融行業(yè)更看重的是安全，算法必須達到極致。銀行對人臉識別算法的誤識率要求非常高，比如說百萬分之一的誤識率，直觀解釋，即 100 萬個人拿著別人的身份證去取錢，只有一個人能夠騙過算法。

此外，銀行場景下獲取到的人臉圖片質(zhì)量要比安防行業(yè)好。

但公安就不一樣了，他們對人臉識別準(zhǔn)確率的要求沒有銀行高，更看重的是算法的綜合運用，即平臺能力、系統(tǒng)能力。

公安會看重視頻處理的速度，需要能實時顯示。舉個簡單的例子，比如嫌疑犯從某一地點經(jīng)過，系統(tǒng)需要 30 秒才能將他識別出來，那就不行，公安會說，再不快一點確認，嫌疑犯就跑了。

另外，只有人臉識別行不通，公安更看重的是能不能跟行人識別相結(jié)合，識別出來之后，能不能去做聯(lián)動，如果在其它視頻里也發(fā)現(xiàn)這個人，是否能畫出他的行動軌跡，把他的出現(xiàn)地點、頻次等信息都反饋出來。

問：您前面也提到云從的技術(shù)很早就已經(jīng)很成熟，后來主要是在做落地。你們在將算法落地的過程中，面臨哪些比較大的挑戰(zhàn)？

周翔：要將算法落地做成一款產(chǎn)品，需要考慮的因素非常多，也面臨著很多挑戰(zhàn)。算法好不代表產(chǎn)品好，產(chǎn)品好也不代表客戶一定會用。

直觀一點解釋，做成產(chǎn)品，要考慮外觀、使用體驗、系統(tǒng)的流暢性、售后，即如何把產(chǎn)品包裝成客戶認可的解決方案。

我們是 2B 公司，客戶的需求千變?nèi)f化，如何快速定制、快速解決客戶的不同需求，這都是需要考慮的。

另外，將產(chǎn)品推向市場時，還需要考慮公司是否具備資質(zhì)，是否避開了其它公司的專利，是否有商務(wù)上的成功案例。

問：很多人都會將云從、依圖、曠視、商湯這 4 家以 CV 為核心的公司來比較，您如何看待這三家友商？

周翔：這幾家公司在算法層面做的都還不錯，我也非常欣賞這幾家公司。雖然我們各家也會在一些領(lǐng)域上進行 PK，但每家公司的算法特點會有一定區(qū)別。

商湯招募了非常多的博士在內(nèi)的研究人員，研究領(lǐng)域涉及多個方面，比如自動駕駛、商超等領(lǐng)域，他們想賦能百業(yè)，把人工智能應(yīng)用到各個行業(yè)。

曠視最近剛剛收購艾瑞思機器人（Ares robot），它們可能更多地想在機器人領(lǐng)域進行擴展。他們在互聯(lián)網(wǎng)金融上做得非常出色，在這里比較有優(yōu)勢。

依圖最早是做車輛識別以及安防，他們的安防算法做得很棒，得到公安的高度認可。目前他們也在做醫(yī)療，我們也希望他們在醫(yī)療上能做出非常好的成績。

云從跟這幾家公司也有一些區(qū)別，云從是國家產(chǎn)業(yè)隊，我們拿了一些國家級別的項目，更偏重頂層設(shè)計。

我們目前接觸最多的是銀行、公安，我們會從四大行開始滲透，先把金融做得更好，然后在金融領(lǐng)域做一些其它的 AI 業(yè)務(wù)，包括風(fēng)控、智慧銀行等。

對于安防，我們會跟公安部合作，先去設(shè)計一些標(biāo)準(zhǔn)，然后做出一些公安高度認可的產(chǎn)品和系統(tǒng)。

相關(guān)文章：

國產(chǎn)再突破 云從科技首發(fā)3D結(jié)構(gòu)光人臉識別技術(shù)

96.6% 云從科技跨鏡追蹤(ReID)技術(shù)刷新三項世界紀錄

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。