? ? 作者：是深圳市賽為智能股份有限公司人工智能研究院

????院長 ?王秋陽?

????算法工程師 吳亦歌

????宋代禪宗大師青原行思曾提出參禪的三重境界：參禪之初,，看山是山,，看水是水；禪有悟時,，看山不是山,，看水不是水,；禪中徹悟，看山還是山,，看水還是水,。這三種境界，從本質(zhì)上其實是展示了人“看見”的過程,，以及思維與理解在這一過程中所起到的作用,。?
?????
????“看見”，首先是視覺識別的意思,。對于人類而言,，似乎是一個很簡單,、自然的事情，實則不然,。從地球上第一個長出眼睛的三葉蟲,，到今天的人類視覺，中間經(jīng)歷了五億四千萬年的漫長旅程,。人類獲得今天的視覺能力,，是大自然長期進化的結(jié)果。在漫長的過程中,，大自然更多的是幫助我們進化大腦內(nèi)用于視覺處理的器官,，而不是眼睛本身。所以,，“看見”不僅僅是從眼睛采集光線獲得信息,，還需通過大腦處理才能使這些信息產(chǎn)生正真的意義。???????

????當今時代,，風云變幻,，在科技發(fā)展上的道路上，人類社會已取得了前所未有的進步,。我們可以通過火箭將人類送上太空,，可以通過手機和互聯(lián)網(wǎng)隨時隨地的與人交流，也可以通過飛機在一日之內(nèi)將人送往全球任意一個地方,。但是,，我們依然會面對這樣的困境：即便是我們最先進的機器和超級計算機，也會在“看見”這個問題上手足無措,。

????對于研發(fā)人員來說，前些年,，我們開發(fā)了地鐵綜合監(jiān)控系統(tǒng),，但是沒有敏銳的機器視覺，幫我們對人流和突發(fā)事件進行最高效分析,；我們的無人機可以攜帶重物飛越廣闊的土地,，卻沒有足夠的視覺技術，去幫助我們追蹤太陽能板的損壞情況,；我們做過許多重大的安防項目,，部署成千上萬的安防攝像頭，但當有險情發(fā)生時卻不能百分之百實現(xiàn)及時報警,。這都是我們在計算機視覺領域不得不面對的難題,，和亟需突破的瓶頸。?
??????
????這兩年,包括百度,、阿里,、賽為智能,、商湯科技等都相繼成立了人工智能的研究機構，都在不斷優(yōu)化人臉識別技術,，尋找適配場景,。?
?????
????人腦的視覺任務，本質(zhì)上是人腦對外界視覺信號作出反應的過程,，那么,，通過對人腦的工作原理進行分析和模擬，是否能夠為計算機視覺提供一些啟發(fā),，讓機器“看山是山”呢,？基于上述的部分應用場景，我們組建了專業(yè)的研發(fā)團隊,，明知山有虎,，偏向虎山行，集中優(yōu)勢資源和人才,，重點對機器視覺領域進行專項研究,。?

????“看見”為什么這么難，你可能在內(nèi)心提出這樣的疑問,。其實,，在我們的日常生活中，相機獲取照片的方式是這樣的：它通過捕獲光線,，轉(zhuǎn)換成二維數(shù)字矩陣——像素來存儲,。但這些都是數(shù)字，本身沒有任何意義,。就像拍照和“看見”完全不同,。通過“看見”，意味著我們實際上“理解”了這幅畫,。?
??????
????教計算機去“看見”,，如何“看見”，這就是計算機視覺和深度學習的主要研究領域,，也是人工智能的重要分支領域,。自從人工智能研究所成立以來，我們把重點放在讓機器像我們一樣看見事物上,，例如識別物品,、識別環(huán)境、辨別不同的人,、推斷人臉的姿態(tài),、理解人與人的關聯(lián)、人的情緒、動作和意圖,。最終的目標就是,，只需對一個畫面看一眼,，就能理清整個圖片中的人物、動作和環(huán)境。?
??????
????要實現(xiàn)這一目標,，我們首先要教計算機“看到”對象,，這是建造機器視覺的基石,。這個人物看上去很簡單,，但是識別的過程確相對比較復雜。想象一下這個教學過程,，首先給計算器進行特定物品圖片的訓練,，例如人臉圖片，讓它從成千上萬次的反復的訓練中,，總結(jié)特征,，構建出對應的識別模型。?
??????
????這有多難呢,？人臉看起來,，就是一些形狀和特征拼湊起來的圖形罷了。最傳統(tǒng)的特征匹配識別方法,，是告訴計算機：“人”有著圓臉,、中間有鼻子、上面有眼睛,，下面有嘴巴,、兩個耳朵分別在左右，而且這看上去挺美的,！但在實際的場景中,，我們還會遇到多種多樣的人臉，例如傾斜的人臉,、遮擋的人臉以及非活體的人臉（靜態(tài),、或者動態(tài)的人臉照片）。簡單的人臉,，在計算機的視角下,，有著無限種變化的外觀模型,。所以,，我們采用新的識別方法，從新的視角來描述這個人臉,。?
??????
????大家都知道,，沒有人教嬰兒如何“看”，尤其是在他們很小的時候，但是他們卻可以從現(xiàn)實世界中學會這一點,。簡單來講,，我們可以把孩子的眼睛當成生物攝像機，大腦是后端的處理系統(tǒng),。他們一秒能就能拍5張照片,，到三歲的時候，一個孩子已經(jīng)看到了數(shù)億張真實世界的照片,。如果換成計算機,，那么可以說所用于“訓練照片”的數(shù)量是非常大的。這給予我們很大的啟發(fā),。我們的研究方向不再是孤立地只關注算法的優(yōu)化和再優(yōu)化,，而要同時去為算法提供海量的訓練數(shù)據(jù)，用數(shù)據(jù)為機器視覺的算法提供訓練和支持,。?
??????
????目前,，國內(nèi)應用的人臉識別的基礎數(shù)據(jù)多數(shù)是國際上的通用數(shù)據(jù)，多數(shù)是西方的人臉數(shù)據(jù),。賽為智能做建筑,、交通智能化起家，后來又涉足智慧城市,，同BAT一樣,，積累了大量的數(shù)據(jù)，結(jié)合公司的業(yè)務,，大量采集人臉數(shù)據(jù),，自主建立了標準的海量人臉數(shù)據(jù)庫，數(shù)據(jù)庫以亞洲人種為主,，包含完整的人臉關鍵特征點,、多角度的人臉姿勢，同時覆蓋了不同時間空間（時空）中的同一人群,。無論是質(zhì)量還是數(shù)量,，都是一個非常豐富的人臉數(shù)據(jù)庫，這對于我們?nèi)四樧R別的研究大有裨益,，特別在智慧城市的場景下,，擁有良好的適配度。?

????有了用來培育計算機大腦的數(shù)據(jù)庫,，我們接著針對算法展開研究,。賽為智能海量人臉數(shù)據(jù)庫所包含的的信息數(shù)據(jù)，適用于一些特定類別的機器學習算法,，即卷積神經(jīng)網(wǎng)絡,。人類的大腦是由數(shù)億緊密聯(lián)結(jié)的神經(jīng)元組成,，為了模擬人腦，我們從神經(jīng)網(wǎng)絡中最基礎的運算單元——“神經(jīng)元節(jié)點”開始構建,。計算機所模擬的神經(jīng)元節(jié)點模型是一個包含輸入,、輸出與計算功能的模型。每個節(jié)點從其它節(jié)點獲取輸入的信息,，然后通過計算,，將自己的輸出信息傳遞給下一個節(jié)點。這些神經(jīng)元節(jié)點就像大腦中的神經(jīng)網(wǎng)絡一樣排列,，最后組成卷積神經(jīng)網(wǎng)絡,。在自主建設的海量人臉數(shù)據(jù)庫的數(shù)據(jù)支持下，我們通過大量的GPU集群訓練這個模型,，最后得到人臉識別模型,。??
??????
????而為了訓練計算機看懂圖片并輸出正確的結(jié)果，我們需要進一步結(jié)合大數(shù)據(jù)和深度學習算法,。通過多次迭代和更新算法,，我們的人臉識別sdk可以在分類輸入圖片的同時，采集和更新數(shù)據(jù)庫,，進行學習,，不斷的學習和總結(jié)所獲得的視覺信息，讓整個系統(tǒng)不斷的優(yōu)化自己?，F(xiàn)在,，賽為智能人臉識別sdk4.0項目，已階段性結(jié)項,。我們把所有技術結(jié)合在一起,，研發(fā)出賽為智能的人臉識別sdk4.0和跨平臺人臉識別系統(tǒng)。這些系統(tǒng)在看到圖片的第一時間,，就能自動檢測和識別人臉,，并且輸出人臉的特征點和各類屬性。同時,，不斷的采集和更新數(shù)據(jù)庫,，讓人臉識別更精確，有效的對抗時間和空間的變化,，性能更佳,。?
??????
????但這并不是我們的最終目標。計算機實現(xiàn)的功能尚未達到,，或者超過人類的能力,。到現(xiàn)在，我們還只是完成了讓機器“看見”對象,，而真正地實現(xiàn)讓計算機“看懂”這個世界,，我們?nèi)匀蝗沃囟肋h，這也是整個行業(yè)正在不斷努力前行的方向,。?
??????
????前路漫漫,，真正的挑戰(zhàn)，存在于未來的每一天,，而我們將會傾注心血,，與機器視覺技術一起成長。賦力機器,，賦能技術,，不遠的將來，人類的眼睛將不再孤獨地思考和探索我們的世界,。我們將不止借助機器的視覺,、聽力以及智力，我們還要以一種前所未有的方式,，與它們合作共生,。這也是我們?nèi)斯ぶ悄苎芯吭喝w同仁的追求。?
??????
????賦予計算機智能,，賦予機器智能,，賦予未來智能。賦能世界,，在人類科學技術的不斷發(fā)展之下,，我們終將為生存的家園，創(chuàng)造更美好的明天,。 ? ? ?