【.com原稿】2016年11月25-26日，WOT2016大数据峰会在北京JW万豪酒店举行。50多位数据领域一线大咖、数据技术先行者齐聚现场，就数据智能、大数据业务、区块链、实时数据等前沿技术话题进行深入交流与探讨计算、系统架构、NoSQL，分享大数据领域***最实用最热门的行业应用。WOT2016大数据技术峰会算法与模型分会场，蘑菇街图像视频算法负责人张红明（Minda）以“人脸技术在电商平台的应用实践”为主题发表演讲》，记者在峰会上进行了采访采访。【受访者介绍】张红明（Minda）蘑菇街图像视频算法总监张红明（蘑菇街昵称：Minda）2015年加入蘑菇街，负责美利联合集团图像技术研发，创建并主导算法团队，与工程和业务团队合作，为团队提供图像技术支持。主要工作包括：图片搜索、图片识别、商品图片内容分析等；业务涉及电商导购、直播等场景。加入蘑菇街之前，分别在NEC中国研究院和阿里巴巴集团从事图像技术和机器学习的研究和应用。张宏明表示，近年来，随着深度学习的普及，基于深度学习的人脸技术逐渐出现，并取得了不错的效果。比如基于Faster-RCNN的人脸检测算法在FDDB中排名第一，Google的FaceNet在LFW上人脸识别取得了99.63%的最好成绩，Face++基于CNN的人脸特征点定位算法也排名第一。在公开数据集300W上取得了最好的效果。但是，深度学习对大量计算资源和复杂模型（几十MB到几百MB）的需求，使得上述技术难以应用于移动端。虽然传统算法的性能不如深度学习，但它消耗的计算资源更少。简单模型的优点更适合当前移动设备上的应用。因此，基于传统算法和深度学习的人脸技术目前在业界处于并存的状态。但随着处理器的发展和深度学习优化技术的逐渐成熟，未来基于深度学习的人脸技术必将更加普及。人脸技术概述及应用场景从2015年开始，蘑菇街开始自主研发人脸技术。完成人脸检测、人脸特征点定位、人脸识别等多项技术的SDK和服务开发。主要服务于图片社交、电商直播、支付、金融等业务。作为电商APP，蘑菇街的女性用户相对较多。人脸技术的应用场景也很多，比如直播频道、跟风特效、电商选品、模特明星视觉等。移动端如何保证人脸技术的时效张洪明表示，时间和效果的问题在移动端的开发中更加突出，尤其是直播部分需要实时播放，因此对性能的要求会更高。在整个处理过程中，除了人脸图像处理之外，还需要考虑视频编码、转码、播放等业务流程。当然，做人脸检测、特征定位等技术的时间越少越好。在目前的电商直播环境下，蘑菇街的人脸技术可以在10毫秒内完成人脸预处理。这怎么可能？敏达表示，蘑菇街会在算法上做很多优化，比如参数和计算定点技术。最重要的是对算法模型做深度优化，达到速度和效果的平衡。在直播中，不一定要用最好的识别性能，更重要的是保证时间效果。人脸技术在算法分类上的不足从算法分类来看，目前业界，基于深度学习的人脸图像技术表现相对较好，效果已经远超传统方法。但缺点是其模型庞大，消耗大量计算资源，导致在移动设备上面临挑战。在这种情况下，仍然采用传统的方式在移动端解决业务问题。未来，随着深度学习技术的优化和硬件条件的不断完善，深度学习等一些技术也可以应用到移动端的实时场景中。这是蘑菇街接下来的重点突破。理论上和实践中都必须面对的问题。在接受***采访时，张宏明表示：“对于人脸技术，对于初创企业来说，首先要满足业务，使用一些开源算法或者第三方采购算法，先把业务做起来，然后再开发可以独立掌握的业务。技术。根据公司的技术水平，路径可以从简单到复杂。我们可以从比较简单和传统的算法开始，然后涉及更复杂的算法，需要对资源消耗进行深度学习，从而一步步迭代。【原创稿件，合作本站转载请注明原作者和出处为.com】
