首款 AIoT 芯片發(fā)布 3 個(gè)月后開源励稳,這個(gè)方案能讓產(chǎn)品智能化的腳步更快嗎 | 十問云知聲
云知聲 AI 全棧能力再獲突破,人臉識(shí)別能力高分通過 LFW 和 MegaFace 評(píng)測(cè)
在國(guó)際權(quán)威的人臉識(shí)別標(biāo)準(zhǔn)評(píng)測(cè)數(shù)據(jù)庫(kù) LFW 和 MegaFace 上,云知聲團(tuán)隊(duì)研發(fā)的人臉識(shí)別 UFaceID 算法系統(tǒng)性能分別達(dá)到 99.80%和 98.47%
日前,人工智能企業(yè)云知聲宣布允耿,其 AI 「全椊梵希」能力再次取得重大突破,在國(guó)際權(quán)威的人臉識(shí)別標(biāo)準(zhǔn)評(píng)測(cè)數(shù)據(jù)庫(kù) LFW 和 MegaFace 上较锡,云知聲團(tuán)隊(duì)研發(fā)的人臉識(shí)別 UFaceID 算法系統(tǒng)性能分別達(dá)到 99.80%和 98.47%业稼。
LFW 和 MegaFace 均為人臉識(shí)別領(lǐng)域重要的評(píng)測(cè)數(shù)據(jù)集。前者是人臉識(shí)別研究領(lǐng)域最重要的人臉圖像測(cè)評(píng)集合之一念链,后者為目前最具權(quán)威的盼忌、熱門的評(píng)價(jià)人臉識(shí)別性能的數(shù)據(jù)集之一。LFW 是針對(duì)早期人臉驗(yàn)證任務(wù)提出評(píng)測(cè)方法與指標(biāo)掂墓,結(jié)果有借鑒意義谦纱,但已不代表目前的最難問題。MegaFace 提出的關(guān)于百萬級(jí)別的 1:N 人臉辨識(shí)任務(wù)的評(píng)測(cè)指標(biāo)君编,難度更大跨嘉,是目前學(xué)術(shù)界測(cè)評(píng)的新主流。盡管兩個(gè)數(shù)據(jù)集都存在高分?jǐn)?shù)與實(shí)際應(yīng)用需求間的矛盾吃嘿,但由評(píng)測(cè)過程中催生出來的新方法祠乃,無疑極大的推動(dòng)了人臉識(shí)別技術(shù)的長(zhǎng)足進(jìn)步。
云知聲很早就開始布局建設(shè) GPU/CPU 異構(gòu)計(jì)算平臺(tái)和分布式文件存儲(chǔ)系統(tǒng)兑燥,該計(jì)算集群能夠?yàn)橹悄苡?jì)算提供高性能計(jì)算和海量數(shù)據(jù)的存儲(chǔ)訪問能力亮瓷。在該計(jì)算集群的基礎(chǔ)上,云知聲建設(shè)了 Atlas 機(jī)器學(xué)習(xí)計(jì)算平臺(tái)降瞳。
該平臺(tái)以 GPU 和 CPU 為計(jì)算集群的基礎(chǔ)硬件資源嘱支,針對(duì)智能計(jì)算的需求和任務(wù)特點(diǎn),使用云知聲內(nèi)部改進(jìn)的 Kubernetes 作為資源管理和調(diào)度系統(tǒng)挣饥,通過計(jì)算任務(wù)容器化和圖形化的任務(wù)交互除师,最大化的簡(jiǎn)化算法研究人員提交計(jì)算任務(wù)的復(fù)雜度,實(shí)現(xiàn)計(jì)算任務(wù)的全流程管理和一鍵式分布式運(yùn)行扔枫。同時(shí)汛聚,針對(duì)智能計(jì)算對(duì)海量真實(shí)應(yīng)用場(chǎng)景數(shù)據(jù)的訪問特點(diǎn), Atlas 智能計(jì)算平臺(tái)構(gòu)建具備 PB 量級(jí)的高 IO 和高可靠的分布式存儲(chǔ)系統(tǒng)短荐。
云知聲表示倚舀,到 2019 年叹哭,Atlas 計(jì)算平臺(tái)將具備 1000+ 的 GPU 計(jì)算資源和超過一億億次每秒的浮點(diǎn)計(jì)算能力,為在人工智能新領(lǐng)域的拓展奠定了強(qiáng)大的計(jì)算能力基礎(chǔ)瞄桨。
此外话速,在 Atlas 智能計(jì)算平臺(tái)基礎(chǔ)上,云知聲還研發(fā)了 UniFlow 計(jì)算框架芯侥,以支持更加高效地實(shí)現(xiàn)算法模塊共享和高效運(yùn)行。UniFlow 計(jì)算框架支持 DNN乳讥、CNN柱查、RNN/LSTM、seq2seq 等豐富的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法模塊云石,支持 TensorFlow 唉工、 PyTorch 、Caffe 等主流計(jì)算框架以及用戶自定義算法汹忠,同時(shí)淋硝,優(yōu)化分布式任務(wù)的計(jì)算和通信邏輯,計(jì)算效率提升 50% 以上宽菜。同時(shí)谣膳,云知聲表示,在下一代的 UniFlow 中铅乡,還將集成自動(dòng)調(diào)參和模型壓縮模塊继谚,實(shí)現(xiàn)全流程托管式自動(dòng)調(diào)參,能夠?yàn)椴煌瑘?chǎng)景下的 AI 數(shù)據(jù)處理阵幸、算法演進(jìn)提供高效的計(jì)算支撐花履。
基于 Atlas 計(jì)算平臺(tái)和 UniFlow 計(jì)算框架,云知聲實(shí)現(xiàn)在統(tǒng)一計(jì)算框架體系下的計(jì)算高效率和算法高產(chǎn)出挚赊,通過協(xié)同利用 AI 底層研發(fā)的技術(shù)成果诡壁,進(jìn)而實(shí)現(xiàn)在人工智能的多個(gè)應(yīng)用領(lǐng)域的快速拓展,從語音識(shí)別(ASR)荠割、語義理解(NLU) 到機(jī)器翻譯(NMT)妹卿、計(jì)算機(jī)視覺(CV)等新的人工智能技術(shù)領(lǐng)域。
值得一提的是涨共,在今年 5 月份的 WMT 2018 國(guó)際機(jī)器翻譯大賽中英翻譯比賽中纽帖,云知聲 NMT 機(jī)器翻譯團(tuán)隊(duì)首戰(zhàn)即斬獲英中第二、中英第四举反,綜合第三(BLEU 關(guān)鍵評(píng)分僅次于第二名 0.1)的成績(jī)懊直。結(jié)合此次在計(jì)算機(jī)視覺領(lǐng)域的佳績(jī),又一次證明了 Atlas 計(jì)算平臺(tái)在云知聲探索多模態(tài) AI 技術(shù)能力過程中的價(jià)值火鼻。
云知聲 CEO 黃偉指出室囊,「在 LFW 和 MegaFace 評(píng)測(cè)數(shù)據(jù)集上的初露鋒芒雕崩,檢驗(yàn)了云知聲在計(jì)算機(jī)視覺研究方面的新進(jìn)展,也更加堅(jiān)定了我們發(fā)展多模態(tài) AI 能力的信心融撞。但是盼铁,從另一方面來看,技術(shù)的最終目的是落地尝偎,由單純算法所驅(qū)動(dòng)的技術(shù)差距實(shí)際上正在變得越來越小饶火,如何將技術(shù)落地到場(chǎng)景才是所有的 AI 公司應(yīng)該關(guān)心和考慮的≈鲁叮」
目前肤寝,云知聲領(lǐng)先的語音技術(shù)已在包括家居、車載抖僵、醫(yī)療鲤看、教育、金融耍群、零售等多個(gè)領(lǐng)域?qū)崿F(xiàn)落地义桂。與此同時(shí),在汽車行業(yè)蹈垢,云知聲已與吉利汽車達(dá)成合作慷吊,共同研發(fā)融合語音、計(jì)算機(jī)視覺等技術(shù)的車規(guī)級(jí)前裝 AI 芯片耘婚“战剑可以想象的是,伴隨著計(jì)算機(jī)視覺技術(shù)的成熟沐祷,智能語音與計(jì)算機(jī)視覺技術(shù)的深入結(jié)合嚷闭,將進(jìn)一步豐富云知聲 AI 產(chǎn)品與服務(wù)的形態(tài),也將有效提升用戶的使用體驗(yàn)赖临。