人脸识别进入“超级独角兽时代”：旷视、商汤、依图等共论计算机视觉

旷视科技昨天夜间宣布了金额高达4.6亿美元的C轮融资，引起热议。

2017年，中国计算机视觉初创公司屡创纪录。前有商汤4.1亿，后有旷视4.6亿，下一个融资会突破5亿甚至10亿美元吗？

日期，在第二届微软亚洲研究院院友会年度大会上，计算机视觉的大佬们聚在一起，微软全球执行副总裁、微软人工智能及微软研究事业部负责人沈向洋主持，来自商汤、旷视、依图等各家5位微软亚洲研究院院友坐到了一起——

商汤科技联合创始人兼CEO徐立，旷视科技Face++首席科学家兼旷视研究院院长孙剑，中科院计算所教授、中科视拓董事长兼CTO山世光，依图科技业务技术副总裁吴岷，以及旷视科技Face++创始人兼CEO印奇。

他们怎么看人脸识别？他们怎么看当前中国计算机视觉这个产业？更为精彩的，他们怎么看待彼此？

以下是新智元对论坛讨论的摘录整理。

人脸识别技术还远远没有超过人类：熟人识别还是难点

沈向洋：人脸识别现在是否已经全面超越人类识别？

徐立：现在的技术还差得很远。机器在陌生人的识别技术上可能在一定程度上超越人，但人类识别人的过程，尤其是熟人识别，是技术还远远没有达到，这当中还有很多应用可以探索。其实每一个阶段都讲“技术已经成熟了”，我们在跟罗湖深圳海关做项目的时候，他们说人脸识别很早就成熟了，十多年前就已经用上了——叫技术人员过来一问，窗口的人脸识别技术判别准确率是多少？53%。这是个什么概念呢？光靠猜的话判别准确率是50%，用了算法可以做到53%，而那个时候大家也觉得技术“已经成熟了”。在各个阶段有各个阶段不同的成熟的点，现在我们这个阶段，在一定程度上，在一些场景上技术已经可以应用了。所以我觉得现在才是大好的发展契机。

微软全球执行副总裁、微软人工智能及微软研究事业部负责人沈向洋主持论坛

印奇：无论是AI还是单纯人脸识别，商业化路径里跟场景结合非常紧密，要实现人眼的整套系统软件还有很长的路要走，但在局部问题上现在的技术已经可以跟人眼类比。

山世光：我们最近在做一个项目，身份证识别比对，左边是身份证照片，右边是现场照片，对比是不是同一个人，人与系统PK，目前来看系统是全面落败的。不过，陌生人识别，就像刚才徐立说的，尤其在被识别对象这个人相对比较配合的情况下，机器的能力可以说超越了人。但是，熟人识别，别说100万人——忘记是谁提到过——一个家庭里面机器识别5个人，要做到100%识别，现在的机器也是完全不可能的。

孙剑：机器人在家庭里识别人这一点是我之前提过。我也一直在思考，人脸识别有很多应用场景，比如支付、“刷脸”， 往深层看，人脸识别最终还是要做“人识别”。而人类识别的人时候，使用的线索远远超过人脸这个范围。所以，今后的技术也要考虑到这一点。

旷视科技Face++首席科学家兼旷视研究院院长孙剑表示，做“人脸识别”最后还是要做“人识别”

商汤、旷视、依图这几家，可能都从“云+端”这个角度去看整个行业

沈向洋：从产品的角度看，现在你公司的专注点在哪里？

山世光：过去几年深度学习对人脸识别的冲击，远远超越了ImageNet对图像识别的影响。刚才提到的身份证照片和人现场照片的比对，4年以前我绝对不认为这件事情是可以做的。但现在，在本人相对比较配合的情况下，机器能够在1万个人里面成功识别出那1个人，在不同条件可以做到90%到99%，友商有时候能够做到99.999%（笑），这让人来做是不可能做到的。中国有大量实名认证的需求，我们希望从这一点切入，安防、单位考勤……希望未来用人脸识别全面替代指纹识别、虹膜识别。

吴岷：依图在SaaS上接了200多家互联网金融远程核实业务，和友商竞争也是十分激烈。垂直行业，手机端ToC的App我们没有做，但有供民警使用进行身份核实的产品，在没有使用系统前，10万次只能查出3个人，现在识别率大幅提高，因此在智慧平安城市方面企业收益很大。

徐立：现在技术的进展确实超乎所有企业的想象，甚至超越研究员自己的想象。 现在仍然有可能通过技术的壁垒去抢占市场前期资源。未来“云加端”是一个必然的走势，看终端设备，手机大概有37亿台联网设备，安防摄像头全世界每天有2.5亿只在运行，中国在2020年所有的智能摄像头加上联网设备将达到10亿只，完全集中化可能不行，因此需要在端前置化布局，而这么多东西背后也需要整体调控，所以云和端的结合是必然。 从某种意义上说，我们这几家都是从这个角度来去看行业整体情况的。

基于垂直服务，AI一定要和行业结合。目前商汤拿到的项目，尤其的大项目，营收很大，但定制化的项目其实没有赚钱。科技企业要发展一定走产品化过程，有标准化的产品，有量，云和端都是一个好的模式，端上规模大，云上集中化，所以云加端的模式是未来AI技术行业发展的方向。

印奇：我们6年AI创业，探索了很多行业，发现作为AI创业公司，能选择的行业大致有几大特点，第一可能被互联网完全改造，行业里数据流通非常快，同时这也是一个特别重要的行业，信息化和联网化完成，不然数据化和智能化根本无从谈起。我认为可行有效的行业有“2.5”个，一是网络金融，涉及安全风控能力，这条路要以云为主，这里的云不是简单的API对外设备，而一定是SaaS，是一套完整的数据化服务。第二个是安防，基本是以线下摄像头作为连接智能化的核心，包括政府、平安城市、智能楼宇。这两个行业是有机会在未来两三年有非常大业务闭环的可能性。

还有0.5个行业，比较热闹，我们友商也在一起参与，跟手机、APP以及一些AR的应用有关，这个行业我自己觉得可能是叫好不叫座的，因为它本质的商业模式是IP授权，我们跟友商长时间的良性加恶性竞争，大家打着打着就都不怎么赚钱了。但这个行业，iPhone X出来后起到了很好的用户教育作用，当大家觉得人脸识别是每天都用的东西，就有机会带动更垂直的应用。就人脸识别来说，这2.5个行业是我们比较专注的点。

在学术上很难的问题，在工业上或许有更smart的解决方案

沈向洋：人脸识别情绪，这是感知问题还是认知问题？

山世光：我觉得这是一个前端感知，后端认知的问题。目前我们还完全没有做认知，但在感知方面有很多蛮有意思的进展，但是，短期内大家不要想比人做得更好——不过主要原因是我们标注人员不太够，没有专家。但在某些单点上，通过计算的方法，机器可以对人一些内心情绪的指标进行感知，而且做得比人好，比如通过高速摄像机捕捉到人的肉眼可能感觉不到的东西。但是，解读微表情，现在机器还是不行的。

孙剑：这个问题其实我也纠结了很久。怎么去定义情绪，比如不同的文化有不同的面部表达，没有一个标准，因此挺难的。但反过来想，像猴子这些更低等动物也可能有情绪，它们相互之间交互也会感受这些东西，似乎认知也没有在里面发挥很大的作用。所以，是不是缺乏数据造成的，这个问题我真的没有想清楚。但这是非常重要的问题 ， 人脸识别以后，下一步机器人要和人交互，一定要把这个问题弄清楚。

印奇：在学术界非常难的问题，放在工业界或许有更smart的方式绕过来解决。在企业做研究的核心是问题追问，在学术上非常难的问题，可以有非常工程或产品的解决方法。在工业界解决问题强调多传感器，比如通过面部识别来判断心跳的工作，这时候添加一个传感器，也许换一种方法，就能找到性价比更高的方案。

徐立：现在科技企业主要在做两件事情，第一是根据实际需求定义问题，这一点其实各家都做得很不好，很多情况下问题稍微一转化，问题的定义就发生了很大的变化，这之后第二步才是过工业的红线。如果不过红线，那么也就是hype了。我们有一个真实的案例，销售跟监狱长聊，说我们有人脸识别抓逃犯的系统，很强，但监狱长说我们不需要，因为人已经被抓起来了；他们需要的是别的东西，比如判断监狱里的人有没有再犯罪倾向或者暴力的想法。因此，需要的是对问题的很好的定义。

iPhone X推动人脸识别公众认知，计算机视觉创业会更有前途

沈向洋：iPhone X发布让公众都知道了人脸识别，这给各位的公司带来了怎样的机会？

徐立：我们正好和iPhone团队有比较好的交流，他们做完人脸识别之后得出的结论是，特别艰苦，艰苦在哪里呢？一是数据，二是各种Corner case，这就是研究与工业最大的不同，研究做到90分就已经很好了，每件事做到90分，然后找方法创新，这篇文章就能够发表，也觉得自己做够了；但在工程里面，每样东西都要做到99分甚至100分。所以，我想强调，真正做产品研究非常非常不容易。

再来讲人脸识别应用场景，我觉得我们这几家，有义务去把人脸识别的整体应用标准定下来。如果手机能够在现阶段“刷脸”，那手机上就有一个“Face print”（脸纹），我去商场购物，进入小区，是不是能像刷二维码一样刷这个face print？但目前来说，我们这几家的标准应该是不兼容的，所以，随着市场的推广，就会遇到一个问题，没有办法进行数据流通。我觉得应该站出来说， 未来有非常多的线上线下场景，前期如果能够形成一个联盟，尽早的把标准和流通性制定出来，之后应用场景会更好。

印奇：我2011年就在微软做人脸识别，一些技术还用到了Windows上，为什么这一代iPhone能够用上人脸识别？我认为背后有两大驱动力，一是全面屏，另一个是手机厂商对摄像头的投资。在这两大因素的驱动下，人脸识别成为大家短期关注的点，但它很可能只是一个开始，并非苹果核心商业动机，这是第一。第二点，我们现在与华为、小米和VIVO合作，感觉很强的一点就是，技术厂商真的非常需要软硬一体化的能力，这些手机厂商有非常强大的供应链，现在他们遇到这样一个新的问题，怎么把硬件和软件放在一块，其实非常难。第三点很有意思，iPhone X产量不行，我们最近接到富士康的一个需求，如何通过视觉手段在生产过程中查看良率。所以，光是一个iPhone X，里面就有这么多视觉有关的故事。

孙剑：我记得原来在微软的时候，在Harry（沈向洋）办公室，讨论计算机视觉到底能在微软做什么。Harry说做到Windows里面，做了几年终于把Windows Hello做进去了。到了今天又这样新的机会，把人脸识别做到几乎所有手机厂商里。感觉十几年前想到的一些事情，今天真的可以真正动手去做了。苹果iPhone X会推动产业的发展，把价钱降下来，计算机视觉创业会更有前途。

11月8日，在新智元 AI World 2017 世界人工智能大会上，旷视科技首席科学家、旷视研究院院长孙剑博士将发表演讲，解读AlphaGo Zero核心技术之一的ResNet，聚焦人脸识别等视觉前沿技术和应用，分享他在旷视的最新研究。



孙剑博士介绍说：“如果回顾这几年视觉计算的方法，我们会发现我们已经从人工设计特征，变成了人工设计神经网络结构。从 2012 年的 AlexNet 开始，到 2014 年的 GoogleNet & VGG，到 2015 年的 ResNet，再到今天的各种 Nets。如果我们从计算的角度上看，我们会发现在这个 Spectrum，主流方向是计算量愈来愈大。

“但是，相反的方向研究缺比较少。我们知道今天智能计算不仅要运行在云上，也要运行在端上。对于手机或嵌入式设备，计算量可能只有5-10M FLOPS，我们如何设计在端计算上最好的神经网络呢？如何填补这个空白？

“在这个演讲中，我将分享 Face++ 旷视研究院最近研究成果 ShuffleNet。ShuffleNet 的计算设计目标是 10-50M FLOPS，它的核心思想是进一步把滤波器分组的思想应用的 1x1 卷积上，使用一个通道间的 shuffling 操作，有效增强了分组 channel 间的信息交换。这个网络在 10-100M FLOPS 上的性能现在是最好的。我也会展示如何将 ShuffleNet 应用于 Face++ 的产品中，例如我们最近推出的基于 FPGA 的全帧率、全画幅智能人像抓拍机，以及手机端应用于 vivo、小米等的人脸解锁技术。”

原文发布时间为：2017-11-1
本文作者：闻菲
本文来自云栖社区合作伙伴新智元，了解相关信息可以关注“AI_era”微信公众号
原文链接:人脸识别进入“超级独角兽时代”：旷视、商汤、依图等共论计算机视觉