“我们将比赛结果提交上去，果不其然，是名的成绩。”当他说出这句话的时候，表情没有一丝波澜，仿佛一切顺理成章。他说的是AI顶会CVPR上的一项挑战赛结果，巨头都有参与，AI高手均同场竞技，名并不容易。但如果你知道“他”叫范浩强。一切就非常稀疏平常。谁是范浩强？当初那个奥赛、保送清华姚班、高二加入旷

视成为6号员工的天才少年，武汉人脸识别软件用在学校，人称小强，一度是AI界的江湖传说。曾经，他是国际信息学奥赛（IOI）获奖者，保送清华姚班，高二便受唐文斌邀请加入旷视创业，在半工半读的情况下保持姚班名的成绩，在大一军训时期就完成了一篇ICCV，一个让清华特奖得主陈立杰都感到智商被碾压的男人。而如今，他已经是旷视研究院带领70人团队的算法总监了，带着一群平均年龄比自己大得多的研究员们，在图像算法、团队培养、商业化等各方面披荆斩棘，达成突破，研究领域涵盖人脸与*安全，移动端影像算法，AI计算摄影。巨大光环之下，范浩强倒毫无自视甚高之意，打趣的说自己“本科毕业，两年工作经验，在贵司也就这样吧”。正如清华计算机系常被称作“贵系”，这里的“贵司”当然也是指的旷视。靠商用算法拿到学术界在范浩强的带领下，今年的CVPR NTIRE真实图像降噪挑战赛，旷视以优势的运行时间和终结果拿到了Raw-RGB组的。“图像降噪其实也是一件

挺神奇的事情。” 介绍起这个被称作“超画质”的技术，范浩强如同在描述一件压箱底的宝贝。这个技术，能够将手机拍到的充满噪点的图片：变成和人眼看上去的效果一致，无瑕的样子：而这个在学术界刚刚拿到的降噪算法，范浩强团队从去年春天开始，做到一步向前发展。”手机图像降噪算法是范浩强近几年为得意的成情一做就是七年。高中毕业之后，范浩强进入了清华天才辈出的姚期

深度学习在人脸方面的应用，目前已经看到deep learning在人脸表示和人脸特征点定位方面的工作，武汉人脸识别软件用在楼宇，相信后续会有更多更好的工作出现；

大规模人脸搜索相关的应用近来开始被大家关注（比如近百度上线的人脸搜索），这些应用中除了需要传统的人脸表示，还需要关注如何能够快速准确地在大规模人脸数据库中搜索到相似人脸，当然这部分工作可以借鉴其他视觉搜索中的方法，但人脸可能也会有自己的特殊性；

基于3D模型和具有深度信息的人脸识别的方法，在允许使用特殊设备的实际应用中，可以考虑用3D模型和深度信息来提高系统的稳定性；

在做人脸识别实际系统时，可以更关注姿态、遮挡、表情变化对于识别效果的影响，对于人脸光照问题，虽然之前学术界关注很多，但是对于实际数据（非实验室采集的光照模拟数据），可能基于大规模训练数据和feature learning就可以比较好的解决，反而是由于目前的人脸表示框架，对于大的姿态变化，遮挡以及表情变化引起的表观改变，很多情况下表现并不好，可能需要重新改变目前的人脸表示方式，比如采用类似推荐9中的方式，采用多个局部模型而不是一个整体模型来进行表示，武汉人脸识别软件用在仓库，还可以考虑一些人脸姿态/表情矫正方法；

学术界的朋友，鉴于目前LFW上面已经做到准确率95%（引入外部训练数据且无约束训练协议），可以考虑创建一个更大的人脸库（如果能达到*意义上的大规模数据就更赞了），设计一个更加合理的评测协议，这必将成为一个非常有影响力的工作；

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 ，人脸识别软件， 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 。