人臉識別技術獲權威評測肯定！雲知聲 AI 全棧能力再下一城

AI 科技評論按：近日，在國際權威的人臉識別標準評測數據庫 LFW 和 MegaFace 上，雲知聲團隊研發的人臉識別 UFaceID 算法系統，在上述兩項標準評測中，性能分別達到 99.80% 和 98.47%。該成績除了反映雲知聲現階段的電腦視覺能力，亦可視作雲知聲在多模態 AI 能力建設方面的決心。

LFW 是人臉識別研究領域最重要的人臉影像測評集合之一， MegaFace 為目前最具權威的、熱門的評價人臉識別性能的數據集之一。簡單來說，LFW 針對早期人臉驗證任務提出評測方法與指標，結果具有借鑒意義；而 MegaFace 提出的關於百萬級別的 1：N 人臉辨識任務的評測指標，難度更大，是目前學術界測評的新主流。

據雷鋒網 AI 科技評論了解，雲知聲為首次參與內部測評，之所以能獲得評測數據集的肯定，與雲知聲分布式機器學習智能計算平台——Atlas 脫不開關係。

Atlas 機器學習智能計算平台以 GPU 和 CPU 為計算集群的基礎硬體資源，針對智能計算的需求和任務特點，使用雲知聲內部改進的 Kubernetes 作為資源管理和調度系統，通過計算任務容器化和圖形化的任務互動，最大化的簡化算法研究人員提交計算任務的複雜度，實現計算任務的全流程管理和一鍵式分布式運行。同時，針對智能計算對海量真實應用場景數據的訪問特點，Atlas 智能計算平台構建具備 PB 量級的高 IO 和高可靠的分布式存儲系統。

此外，在 Atlas 智能計算平台基礎上，為了更加高效地實現算法模塊共享和高效運行，雲知聲研發了 UniFlow 計算框架。支持 DNN、CNN、RNN/LSTM、seq2seq 等豐富的機器學習和深度學習算法模塊，支持 TensorFlow 、 PyTorch 、Caffe 等主流計算框架以及用戶自定義算法，同時，優化分布式任務的計算和通信邏輯，計算效率提升 50% 以上。在下一代的 UniFlow 中，還將集成自動調參和模型壓縮模塊，實現全流程託管式自動調參，能夠為不同場景下的 AI 數據處理、算法演進提供高效的計算支撐。

雲知聲 CEO 黃偉指出，「在 LFW 和 MegaFace 評測數據集上的初露鋒芒，檢驗了雲知聲在電腦視覺研究方面的新進展，也更加堅定了我們發展多模態 AI 能力的信心。但是，從另一方面來看，技術的最終目的是落地，由單純算法所驅動的技術差距實際上正在變得越來越小，如何將技術落地到場景才是所有的 AI 公司應該關心和考慮的。」

雷鋒網 AI 科技評論