新智元原创

作者：胡祥杰

　　新智元启动 2017 最新一轮大招聘：COO、总编、主笔、运营总监、视觉总监等８大职位全面开放。

　　新智元为COO和执行总编提供最高超百万的年薪激励；为骨干员工提供最完整的培训体系、高于业界平均水平的工资和奖金。加盟新智元，与人工智能业界领袖携手改变世界。

简历投递：jobs@aiera.com.cn HR 微信：13552313024

　　【新智元导读】腾讯优图是腾讯AI的三大核心支柱之一，与微信AI团队和新成立的腾讯AI Lab共同驱动腾讯的 AI 发展。本年度人脸识别标志性比赛：LFW 和 MegaFace上，优图都拿到了冠军的成绩。当下，计算机视觉（CV）发展逐渐进入成熟期，业界也传出“刷分无用论”，那么腾讯优图如何看待“刷分”现象？依托腾讯强大的资源和数据平台，优图在创新和应用上有哪些优势？优图目前的技术储备都有哪些？近日新智元专访了腾讯优图团队，试图解答以上问题。

　　连拿两项人脸识别国际冠军，刷分只是检验技术落地成果副产品

　　2017年4月，腾讯优图实验室就在国际最权威、难度最高的海量人脸识别数据库MegaFace中，以83.290%的最新成绩在100万级别人脸识别测试（Challenge1/FaceScrub identification）中拔得头筹。

　　关于MegaFace：MegaFace是由美国华盛顿大学（University of Washington）计算机科学与工程实验室发布并维护的一套公开人脸数据集，MegaFace以海量人脸注册情况下的识别率为重要指标，MegaFace是目前最为权威热门的评价人脸识别性能，特别是海量人脸识别检索性能的基准参照之一。

　　这也是近期继 LFW 之后，优图实验室再次刷新世界纪录。此前，在国际权威人脸识别数据库LFW上，腾讯优图实验室在无限制条件下人脸验证测试（unrestricted labeled outside data）中提交的最新成绩为99.80%，提升了上次99.65%的成绩。

刷新纪录的成果介绍；来源：LFW官网Results截图

　　在接受新智元的专访时，针对目前业界广泛流传的“刷分无用”论，优图团队表示，参加MegaFace比赛，是对于算法、计算平台、数据的综合考验，这是对团队能力的一种锤炼，通过挑战极限，促进技术进步。

　　他们说：“另外，参加竞赛很重要的一点是心态和定位，其实我们参加各种比赛完全是按照我们自己产品落地的节奏进行的，目的更多的是想验证下我们技术进步的成果，刷分只是检验技术落地成果的副产品。竞赛只要能够正确反映技术优劣促进技术发展就是其真正意义所在了。”

　　在优图看来， 组织好的竞赛肯定是有意义的，就像奥林匹克极大促进了世界体育的发展。

　　优图团队进一步对新智元介绍说，大多数比赛中的性能和实际应用中的性能绝对值其实没有直接的可比性， 但会有相对的参考价值。由于优图的技术研发都是以业务落地为导向的，所以比赛中性能出色的算法必定是其在实际应用中有可取之处的。竞赛中产生的新技术也会回馈到实际应用中，创造更大的价值。他们自己的经验是：竞赛中的模型在实际应用中也通常是表现最好的。但实际应用中不仅要考虑准确率，还必须考虑实际数据场景、模型大小、运行速度等更多因素。

　　100万级大规模1：N人脸测试：人类平均水平23.9%，机器能做到83.29%

　　回到本次腾讯优图登顶世界第一的 MegaFace 比赛。根据腾讯优图团队的介绍，MegaFace是业界第一个对海量1:N人脸识别技术进行评测的人脸识别竞赛。海量1:N人脸识别技术应用前景更广，难度也更大。

　　他们说，作为一支深耕人脸识别技术的团队，参加这个比赛几乎是技术发展的必然选择，也是技术沉淀的最好证明。2015年起，团队就已经将1:N人脸识别与检索技术定位成重点研发方向。能够拿下冠军，认为最大的优势是腾讯这个平台：“因为平台优势，我们能够收集到更多更好的数据；因为平台优势我们能快速构建GPU集群，加速我们的训练；因为平台优势我们能吸引更多的人才，这才是在现如今飞速发展的AI领域利于不败之地的根本”，腾讯优图团队对新智元表示。

　　凭借腾讯作为互联网巨头强大的平台优势，即在数据、计算资源、人才上的积累，优图得以快速进步并且登顶多项AI 竞赛世界冠军。

　　聊一聊细节，本年度MegaFace 比的是100万级的大规模1:N人脸识别任务。这一比赛项目难度在哪？

　　腾讯优图团队向新智元解释说，提到难度总需要一个参照物，AI算法最好的参照物就是人。以前人脸识别算法的标杆是LFW。LFW测试的是1:1人脸验证的能力，人在这方面的能力在99.2%。目前机器学习算法最好的结果是他们刚提交的99.8%。而在MegaFace这种100万级的大规模1:N人脸识别任务中，人类的平均准确率在23.9%。而机器学习算法最好结果是他们刚提交的83.29%。这个准确率还是不考虑时间成本的。

　　“如果说像 LFW 那种1:1人脸验证场景机器可以替代人类进行工作，那么 MegaFace 这种1:N人脸识别场景机器就是完成了人类不可能完成的任务”，腾讯优图团队对新智元表示。

　　在图像识别，或者说人脸识别上，大家了解得比较多的是 ImageNet， 那么 ImageNet 和MegaFace 有何区别？腾讯优图说，二者最大差别就是一个是通用物体识别的评测，一个是特定人脸识别的评测。MegaFace 和 ImageNet是两个不同领域的比赛。

　　相比通用物体识别，人脸识别技术在20年前就已经有非常多的业务落地应用，优图团队介绍，他们人脸识别落地项目非常多，所以关注LFW、MegaFace比赛也是必然的。他们认为，学术界和工业界还是需要有一些分工的。

　　他们也谈到，许多最新的技术很多都是从 ImageNet 这类竞赛里面产生的，这一竞赛对整个业界的推动作用不容忽视的，因此腾讯优图也会对ImageNet也会持续保持关注。

　　技术细节：多机多卡的TensorFlow集群训练平台

转载请注明出处。