2018 年 2 月，云从科技正式在国际发布「3D 构造光人脸辨认技术」，这是中国企业初次将构造光技术使用在人脸辨认零碎上，相较以往的 2D 人脸辨认及以红外活体检测技术，在准确度、呼应速度等方面获得反动性打破。

近日，云从科技又在跨镜追踪技术（Person Re-Identification，ReID）上获得严重停顿，他们同时在 Market-1501，CUHK03，DukeMTMC-reID 三个数据集上刷新世界记载。ReID 是应用计算机视觉技术判别图像或许视频序列中能否存在特定行人，无需人脸，依据穿着、体态、发型就能识人。

图：ReID 行人辨认技术

云从科技近期在 AI 科技评论推出的数据库项目 「AI 影响因子」 上表现活泼，针对他们的这两大打破，雷锋网 (大众号：雷锋网) AI 研习社对云从科技研讨院副院长周翔停止了一次专访，理解到云从研讨院的任务、云从技术上的创新及目前的研讨重点。

早在云从科技成立之前，周翔就在重庆中科院跟随周曦博士（云从开创人）从事人脸辨认研讨。后来，周曦博士从中科院辞职成立云从，周翔也作为初创员工参加。

周翔目前担任云从科技研讨院副院长，次要担任三个方向：数据的搜集与处置、技术研讨、POC 测试。

以下为采访原文，雷锋网 AI 研习社做了不改动原意的编辑整理。

云从研讨院

问：云从科技研讨院在公司里处于什么样的战略位置？目前研讨院次要停止的任务有哪些？

周翔：云从一切中心技术都来自云从研讨院，目前，研讨院处于云从战略最高点。研讨院的任务围绕三个方向展开：

• 一是对前沿算法的深化研讨、自主创新。我们会紧跟以后世界上最前沿的计算机视觉技术和人工智能技术，也会新陈代谢，研讨新的人工智能视觉算法。

• 二是针对业内已有的算法停止深化研讨。比方我们刚刚发布的「3D 构造光人脸辨认技术」，跨镜追踪技术（ReID）。此外，还有车辆、人群密度、交通行为、拥堵、医疗影像等等，只需与计算机视觉有关，我们都会或多或少停止规划。

• 三是将算法产品化。我们需求对这些算法停止封装，做产品级别的 SDK 和引擎。

问：云从与中科院、上海交大共建两个结合实验室，这两个结合实验室目前次要停止哪些方面的研讨？

周翔： 这两个结合实验室侧重于计算机视觉范畴的前沿算法研讨。云从会将前沿范畴的研讨放到高校团队，让先生与研讨人员一同，做一些预研以及算法的根底研讨。

此外，云从开创人周曦是这两所高校的博士生导师，他也会对先生停止论文指点，引荐他们参与顶会。

问：云从科技于 2015 年成立，这 3 年来，你们在计算机视觉范畴获得了哪些具有代表性的技术打破？

周翔：云从成立之前，我们在中科院的技术就曾经比拟抢先。2015 年，我们在 FDDB(Face Detection Data Set and Benchmark) 和 LFW(Labeled Faces in the Wild Home) 上刷到前三之后，觉得曾经很好地展现了学术实力，就开端专心打磨产品。公司成立初期，我们更多看重产品落地。

当然，我们也不断在做前沿研讨，往年二月，我们发布构造光 3D 人脸辨认技术，最近，我们在 ReID（跨境追踪技术）上又一次刷榜。

随着公司的开展，队伍越来越壮大，我们能够会有新的定位，也会去宣布论文，宣传技术上的打破。当然，我们还需求静下心来，踏踏实实将技术落地，只要这样，客户才会认可我们。

问：接上去云从研讨院次要会攻克哪些方面的难题？

周翔：首先做好计算机视觉范畴的根底技术研讨，比方对人脸、车辆、行人的检测。

之后，我们会投入更多工夫，去从人的角度剖析构建深度神经网络，让深度学习具有可解释性。对深度学习有所理解的人都晓得，它是一个「黑匣子」，虽然很多时分远胜传统算法，但缺乏可解释性。我们研讨人工智能，应该要让计算机可以像人类一样去考虑和辨认，具有本人的逻辑判别，并且我们人类可以了解他们的考虑。

问：你们近日在 Market-1501 上的首位命中率（Rank-1 Accuracy）到达 96.6%，刷新 ReID 榜单，这一数字能否还存在很大提升空间？与人脸辨认相比呢？

周翔：提升空间一定存在，但是对行人辨认的研讨比人脸辨认更难。

• 第一，人脸的五官、脸型比拟固定，不能够发作特别大的变化。行人不一样，大家在走路、打球、跑步时的姿势千变万化，随同弯腰、后仰等各种举措，没方法很好地约束。

• 第二，我们还要依据体态、穿着来判别行人。假如很多人穿着异样的衣服，辨认难度将更大。我们次要的判别根据就是服饰、配饰、体型、发型等特点。假如两团体的服饰、发型等相似，这将很难辨识。

问：为了加深行人辨识的精准度，次要用到的中心技术有哪些？

周翔：外行人辨认上，我们创新性地提出全局+部分多粒度的辨认实际。我们能经过人的形状、服装等去做全体判别，然后再经过一些细节，比方衣物商标、挎包类型、服饰特征去判别，即聚合同一团体在不同状况下的照片。

云从大脑

问：你们曾提到训练人脸辨认时的网络架构，包括构造化+非构造化的数据、双层异构深度神经网络、三层金字塔式的迁移学习，这与云从大脑有什么关联？

周翔：这是云从大脑其中一个最根底的辨认认知模型。

问：在云从大脑构建的进程中，次要的技术难点有哪些？

周翔：最后构建云从大脑时，还是存在一定难度。开源算法有很多，但我们需求研制出支持大类别散布式训练的算法。

人的类别是无量的，以中国人来举例，就有十几亿的类别，这需求少量数据停止训练。在算力一定的状况下，如何让效率更高；假如模型太深，如何去做减速，这些难点需求一个个打破。

问：目前不断在停止云从大脑的优化与改良吗？

周翔：是的，目前云从大脑只要人脸辨认功用，后续我们会参加行人辨认，之后会渐渐扩大，参加车辆、人群等，让它的使用的范畴愈加普遍。最初，我们还思索将语音、文字等的辨认全部构建到云从大脑上，让这个大脑就像人脑一样，既能看懂图像，还得读懂文字，还能听到声响，了解语意。这是我们的最终目的。

问：想要把行人辨认等其他功用交融进云从大脑，需求处理哪些技术上的难点？

周翔：次要有以下几点：

• 第一，将一切算法交融到一同，变成一个超级大脑停止一致剖析，输入无效信息。

我们常提到谷歌的 AlphaGo，它只会下围棋，异样，我们的网络有些剖析人脸，有些剖析行人，有些剖析车辆，如何将算法以及剖析后果交融，变成一个全体，这是一个应战。

• 第二，海量的数据。

当数据越来越多，如何对这些海量数据停止无效剖析；哪些数据是无用数据，如何高效去除这些无用数据。

• 第三，算力。

如何经过硬件的异构处置，充沛进步算力和速度，降低能耗。

问：中科院李子青教授此前在雷锋网安防峰会上提到，他们针对安防数据运用半监视自主学习，这是一个技术亮点，效果好过监视学习很多倍。你们在训练 AI 的时分，运用的是迁移学习。比照起来，半监视自主学习和迁移学习在大规模人脸辨认的场景下，差别点在哪里？

周翔：迁移学习是在一定的数据根底上去做知识的迁移，我们在最底层也用到监视学习，此外，或多或少会用一些半监视或非监视的学习办法。李子青教授团队能够在半监视学习算法里做了更多的改良，把它变成一个亮点，使这一算法的效率更高，效果更好。

其实每家公司在许多环节中或多或少都会有一些创新，大家的算法都会有各自的特点，用哪种算法并不是那么重要。

另外，办法的运用也与数据有关。后面提到我们有超大规模构造化数据，应用这种数据，我们能很好地训练底层人脸辨认模型。假定如今我们没有这种数据，只要互联网上的或是经过其它项目失掉的非构造化数据，那就没方法很好地用监视学习，只能应用半监视或非监视学习的办法了。

走向行业

问：云从刚开端成立的时分，先在金融范畴占据少量市场，后来又规划安防范畴。在将产品使用于这两个行业的时分，对技术的要求会存在哪些差别？

周翔：差别十分大。

金融行业更看重的是平安，算法必需到达极致。银行对人脸辨认算法的误识率要求十分高，比方说百万分之一的误识率，直观解释，即 100 万团体拿着他人的身份证去取钱，只要一团体可以骗过算法。

此外，银行场景下获取到的人脸图片质量要比安防行业好。

但公安就不一样了，他们对人脸辨认精确率的要求没有银行高，更看重的是算法的综合运用，即平台才能、零碎才能。

公安会看注重频处置的速度，需求能实时显示。举个复杂的例子，比方嫌疑犯从某一地点经过，零碎需求 30 秒才干将他辨认出来，那就不行，公安会说，再不快一点确认，嫌疑犯就跑了。

另外，只要人脸辨认行不通，公安更看重的是能不能跟行人辨认相结合，辨认出来之后，能不能去做联动，假如在其它视频里也发现这团体，能否能画出他的举动轨迹，把他的呈现地点、频次等信息都反应出来。

问：您后面也提到云从的技术很早就曾经很成熟，后来次要是在做落地。你们在将算法落地的进程中，面临哪些比拟大的应战？

周翔：要将算法落地做成一款产品，需求思索的要素十分多，也面临着很多应战。算法好不代表产品好，产品好也不代表客户一定会用。

直观一点解释，做成产品，要思索外观、运用体验、零碎的流利性、售后，即如何把产品包装成客户认可的处理方案。

我们是 2B 公司，客户的需求千变万化，如何疾速定制、疾速处理客户的不同需求，这都是需求思索的。

另外，将产品推向市场时，还需求思索公司能否具有资质，能否避开了其它公司的专利，能否有商务上的成功案例。

问：很多人都会将云从、依图、旷视、商汤这 4 家以 CV 为中心的公司来比拟，您如何对待这三家友商？

周翔：这几家公司在算法层面做的都还不错，我也十分欣赏这几家公司。虽然我们各家也会在一些范畴上停止 PK，但每家公司的算法特点会有一定区别。

商汤招募了十分多的博士在内的研讨人员，研讨范畴触及多个方面，比方自动驾驶、商超等范畴，他们想赋能百业，把人工智能使用到各个行业。

旷视最近刚刚收买艾瑞思机器人（Ares robot），它们能够更多地想在机器人范畴停止扩展。他们在互联网金融上做得十分出色，在这里比拟有优势。

依图最早是做车辆辨认以及安防，他们的安防算法做得很棒，失掉公安的高度认可。目前他们也在做医疗，我们也希望他们在医疗上能做出十分好的成果。

云从跟这几家公司也有一些区别，云从是国度产业队，我们拿了一些国度级别的项目，更侧重顶层设计。

我们目前接触最多的是银行、公安，我们会从四大行开端浸透，先把金融做得更好，然后在金融范畴做一些其它的 AI 业务，包括风控、智慧银行等。

关于安防，我们会跟公安部协作，先去设计一些规范，然后做出一些公安高度认可的产品和零碎。

相关文章：

96.6% 云从科技跨镜追踪(ReID)技术刷新三项世界纪录

国产再打破 云从科技首发3D构造光人脸辨认技术

。