开源开放 共建AI底层生态

开源不仅是们共享技术成果的方式，更是推进技术产业化的催化剂。今年3月，旷视宣布开源新一代AI生产力平台Brain 的组件—深度学习框架旷视天元（MegEngine），帮助实现深度学习、简单开发。

在过去的半年时间里，天元历经了8次迭代，并分别在3月和6月发布了alpha版和beta版两个版本。在本次平行论坛上，旷视发布了深度学习框架天元1.0预览版，面向，共建开源生态。

此外，在中关村论坛首日，旷视对外正式发布了AI生产力平台Brain 商业版，这是旷视自行研发的智能化时代的AI生产力工具，可以将其看作是AI算法开发领域的“Visual Studio”。Brain 商业版旨在帮助企业快速、地建立企业内的AI基础设施，助力企业实现AI转型。

一直以来，低门槛、都是AI产业应用的诉求。在论坛举办期间，旷视还特别推出了人工智能加速计划，通过技术释放、人才培养以及产业标准制订三大维度，助力AI与产业深度融合，推动资源共享、生态共建。

作为人工智能行业的者与务实者，人脸识别门禁做得好的在哪，旷视始终坚持以开源开放的态度助力AI行业发展。在推进落实新基建的今天，旷视将不断发挥人工智能头部企业的带头作用，坚持开源开放、共同打造良好的AI生态环境，推动AI产业落地，实现价值共享。

随着人脸识别技术的广泛应用 ， 也在不断促进技术本身持续发展 。基础算法研究 、 人脸重建技术 、 戴口罩人脸识别 、 3D 人脸识别技术 、 新型人脸采集技术 、人脸聚类技术 、 和低质量人脸识别技术 ， 是产业界和学术界关注的热点课题 ，也预示了人脸识别技术的发展趋势 。基础算法技术热点包括模型结构设计 、 损失函数设计 、 无监督 / 半监督学习算法和分布式自学习算法等 。

模型结构设计目前主要有手工设计与网络结构搜索 (NAS) 两种思路 。ICCV 2019 轻量级人脸识别 (Lightweight Face Recognition) 竞赛结果显示 ， 虽然对大模型场景下结构改进带来的提升则较为有限 ， 但是轻量级场景下网络结构改进对于识别率提升较为明显 。损失函数设计的在于学习具备鉴别性且足够鲁棒的特征 。近年来基于度量学习与各类 margin — based 方法逐渐成为主流。在特征提取加速方面 ， 主要的方法有轻量级网络 、 模型蒸惚 、 稀疏量化等 ；

在特征比对加速方面 ， 主要的思路有量化以及各类近似近邻检索技术 。低质量人脸识别技术。在实际的动态应用场景下 ， 人脸识别技术由于场景的不可控因素 ， 采集到的图片质量与训练图片的质量有很大差异 ， 如人脸偏转 ， 大幅度侧脸 ；运动模糊和失焦模糊 ；遮挡物(例如口罩 ， 墨镜) ；低的光照强度和对比度 ；视频传输由于编过程产生的人脸信息丢失等 ， 这些因素导致准确率*度下降 。

不用掏出钱包掏范文，人脸识别门禁选择的方式，不用拿出范文，只是在超市里望一眼摄像头，就为一罐饮料付了费，这种场景如今不再只存在于科幻剧，而是已经真实地出现在人们的实际生活中.实际上，以上场景是通过人脸识别技术与支付技术相结合而实现的.要做到不用范文、不支付，一般需要完成几个步骤：一是将资金账户信息绑定支付平台；二是将支付平台绑定人脸识别业务；三是提交近期照片和完成审核.

当顾客面对摄像头时，系统会根据摄像头到的人脸与数据库中已被提交的照片信息进行比对.如吻合，支付平台将自动连接顾客资金账户.当顾客与超市工作人员确认支付金额后，即可进行支付.如某顾客在该超市有过多次消费经历，系统还会自动缓存交易信息，NEC的人脸识别技术可以自动识别摄像头前的影像是照片还是*，因此在保障支付安全的同时，实现流程更短、耗时更少的快捷支付.同样，人脸识别门禁，人脸识别也已经成为现场或远程银行为重要的环节，通过摄像头采集脸部的关键点，能大幅提升识别和验证的准确率.人脸识别在国外也被广泛用于ATM机取款，能够实现非本人取款时，即便是范文正确，也不能完成取款.人脸识别也能帮助因健康原因不能活动的或老人实现远程操作，让他们在家中就能、取款或*其他*类业务.

由此可见，人脸识别支付的优势在于验证可靠、防伪严格、资金安全、零范文化.NEC在推出此技术时，受到了商业领域的广泛关注.比如，NEC无线人脸识别产品captran可集成WiFi/3G模块，结合NeoFace人脸识别算法，可以在前端进行快速的人脸识别，并可以与后台大库进行联动比对.NeoFaceLITE产品为手机版人脸识别产品，人脸识别门禁哪里起作用，可基于平板电脑或者手机为载体，安装人脸识别产品进行人脸识别比对.特别值得一提的是，其每张照片的建模大小仅为0.5KB.这些产品和新技术的推出，让NEC在人脸识别支付市场更具优势.