最近兩個(gè)月，格靈深瞳首席科學(xué)家&算法部負(fù)責(zé)人張德兵與算法團(tuán)隊(duì)參加了全球人臉識(shí)別算法測(cè)試(FRVT、Face Recognition Vendor Test)。雖然是第一次參加此比賽，格靈深瞳還是取得了不錯(cuò)的成績(jī)，排名世界前五，在國(guó)內(nèi)領(lǐng)先，且具體的成績(jī)接近世界最好水平(見(jiàn)表一)。

賽后，張德兵回憶了競(jìng)賽的準(zhǔn)備過(guò)程并記錄下來(lái)，希望激勵(lì)團(tuán)隊(duì)在不久的將來(lái)能夠更上一層樓，以下為參賽記錄：

表一：FRVT 1:1 最新排名的前20名（基于第四列的跨14歲嫌疑人識(shí)別結(jié)果排序）

先介紹一下 FRVT。FRVT 由美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究院主辦，號(hào)稱是當(dāng)今全球規(guī)模最大、標(biāo)準(zhǔn)最嚴(yán)、競(jìng)爭(zhēng)最激烈、最權(quán)威的人臉識(shí)別算法競(jìng)賽，到目前為止，全球已經(jīng)有近百家公司和研究機(jī)構(gòu)參與了此項(xiàng)測(cè)試，包括VisionLabs(俄羅斯)、Ever AI(美國(guó))、Vocord(俄羅斯)、 依圖、商湯、曠視、?？?、大華、騰訊等等。關(guān)于這個(gè)比賽，網(wǎng)上也能找到很多介紹，我大概總結(jié)一下我覺(jué)得比較重要的幾個(gè)點(diǎn)：

獨(dú)特的測(cè)試模式。在FRVT評(píng)測(cè)中，測(cè)試集是完全不公開(kāi)的，只有簡(jiǎn)略的幾段話描述。這意味著FRVT用的不是傳統(tǒng)那種通過(guò)在本地跑一遍測(cè)試集，然后提交結(jié)果的評(píng)測(cè)方式（在傳統(tǒng)評(píng)測(cè)中，大家往往不太考慮模型的計(jì)算效率，為了獲得更好的成績(jī)，經(jīng)常會(huì)通過(guò)大幅提升模型容量的方法來(lái)提高效果，而且往往還會(huì)采用更加耗時(shí)的多模型甚至多尺度預(yù)測(cè)的融合策略。

所以，很多比賽中排名靠前的算法，它們的實(shí)用價(jià)值有可能并不高）。但在FRVT的測(cè)試中，官方要求每個(gè)廠商或者研究機(jī)構(gòu)都要提供完整的預(yù)測(cè)代碼，并且由主辦方在同一個(gè)平臺(tái)上來(lái)運(yùn)行所有提交，得到最終各個(gè)測(cè)試集上的結(jié)果。而且，該測(cè)試對(duì)于算法的運(yùn)行時(shí)間也有著很嚴(yán)格的限制，所有提交都只能使用不超過(guò)CPU單線程1秒的計(jì)算資源來(lái)處理一張圖片從人臉檢測(cè)、人臉對(duì)齊到人臉特征提取和識(shí)別的所有功能。這些特點(diǎn)使得FRVT非?？陀^且直接面向?qū)嶋H應(yīng)用。

最嚴(yán)格的提交頻率限制。為了避免測(cè)試廠商通過(guò)反復(fù)提交來(lái)過(guò)擬合測(cè)試集，2019年6月以前的規(guī)定是，每個(gè)廠商每次只能提交一個(gè)算法版本，且兩次提交之間相隔至少要3個(gè)月，其中第一次提交的時(shí)候?yàn)榱吮苊獯蠹页煽?jī)太差，官方允許同時(shí)提交兩個(gè)算法版本。但在2019年6月以后，規(guī)則變得更加嚴(yán)格了一些，每個(gè)廠商的兩次提交間隔變成了4個(gè)月，而且不管是不是第一次提交，每次都只能提交一個(gè)算法版本。這也就是說(shuō)我們只有一次提交機(jī)會(huì)，風(fēng)險(xiǎn)還是挺大的。

豐富多樣的測(cè)試場(chǎng)景。FRVT主要覆蓋了四種類型的測(cè)試場(chǎng)景照片，分別是簽證照片(Visa)，嫌疑人照片(Mugshot)，自然場(chǎng)景照片(Wild)和兒童照片(Child)，下面簡(jiǎn)單介紹一下：

簽證照片(如圖一(a))。簽證照片是非常清晰、正面、無(wú)遮擋的一種受控測(cè)試場(chǎng)景，成像質(zhì)量很高，且覆蓋了多達(dá)上百個(gè)國(guó)家的人臉數(shù)據(jù)。

嫌疑人照片(如圖1(b))。嫌疑人照片也是比較高清的，跟簽證照片相比，嫌疑人兩張照片間的年齡跨度一般會(huì)更大，有很多都超過(guò)了十年的年齡間隔。這個(gè)測(cè)試又分為兩個(gè)場(chǎng)景，一個(gè)是混合的測(cè)試，一個(gè)是基于專門(mén)挑出來(lái)年齡跨度達(dá)14年以上的照片進(jìn)行的更有挑戰(zhàn)的評(píng)測(cè)。

自然場(chǎng)景照片(如圖1(c))。自然場(chǎng)景的照片是在非限制場(chǎng)景下采集的，各種光照，角度，遮擋，模糊，低分辨率的情況都可能會(huì)出現(xiàn)，是難度非常大的一種場(chǎng)景，某種意義上也更接近安防場(chǎng)景的實(shí)際應(yīng)用。

兒童照片。兒童照片也是在非限制場(chǎng)景下采集的，因?yàn)槟挲g分布跟大家的訓(xùn)練集可能差別比較大，所以也是非常難的一個(gè)任務(wù)。很多廠商提供的算法，完全無(wú)法支持這個(gè)場(chǎng)景，以至于得分都沒(méi)有顯示（成績(jī)差于某個(gè)數(shù)值就不會(huì)顯示了）。

圖一，簽證照片，嫌疑人照片和自然場(chǎng)景的拍攝照片

FRVT對(duì)以上每種場(chǎng)景都會(huì)進(jìn)行單獨(dú)的評(píng)測(cè)，然后給出一個(gè)最終的排名表。在早期的排名表中，是以簽證照片識(shí)別結(jié)果的優(yōu)劣對(duì)大家進(jìn)行排名的，最近幾次的評(píng)測(cè)則改成了以跨年齡嫌疑人照片的識(shí)別結(jié)果優(yōu)劣進(jìn)行排名。我個(gè)人認(rèn)為，所有這些場(chǎng)景都是挺重要的，在實(shí)際應(yīng)用中都會(huì)用到，都不能有短板。且隨著人臉識(shí)別技術(shù)的不斷提升，非配合式的自然場(chǎng)景識(shí)別肯定是未來(lái)需求的大趨勢(shì)，只有真正做好非配合且無(wú)場(chǎng)景限制下的識(shí)別才能支持解鎖更多的、更廣泛的、更大規(guī)模的各行各業(yè)應(yīng)用。

比賽前：

一直以來(lái)，我們對(duì)于刷LFW或者M(jìn)egaFace之類數(shù)據(jù)集的就沒(méi)有太大的興趣，因?yàn)榇蠹叶贾?，這里面的各種排名其實(shí)也都有不公平或者不合理的地方。FRVT則非常專業(yè)（看看它上百頁(yè)的測(cè)試報(bào)告也能感覺(jué)到這一點(diǎn)）。但是對(duì)于FRVT競(jìng)賽，我個(gè)人一直下意識(shí)的認(rèn)為Visa簽證照片涉及到了上百個(gè)國(guó)家的人臉照片，如果沒(méi)有類似的數(shù)據(jù)做訓(xùn)練，結(jié)果應(yīng)該很難能做到非常好。而收集相關(guān)數(shù)據(jù)又挑戰(zhàn)巨大。

首先想收集覆蓋這么多國(guó)家的人臉數(shù)據(jù)已經(jīng)是非常困難了；其次, 就算收集到一些數(shù)據(jù)，跟簽證的場(chǎng)景也會(huì)差別很大；且經(jīng)過(guò)一些嘗試后發(fā)現(xiàn)，在現(xiàn)階段，想大量采集簽證場(chǎng)景的真實(shí)數(shù)據(jù)幾乎是不可能的。-------另外，當(dāng)看到以往成績(jī)較好的一些廠商的結(jié)果后，在團(tuán)隊(duì)自己內(nèi)部制作的中國(guó)人測(cè)試集上對(duì)比估算了一下，也發(fā)現(xiàn)我們?cè)诘驼`識(shí)率下的召回率還是明顯要差一些，所以就一直沒(méi)有嘗試。

直到4月份的某一天，當(dāng)我看到ArcFace在NIST上表現(xiàn)是超出預(yù)期的好（github.com/deepinsight/），我才突然意識(shí)到，F(xiàn)RVT對(duì)于我們的難度很可能被高估了。有了ArcFace這個(gè)baseline，感覺(jué)就踏實(shí)了很多。我個(gè)人猜測(cè)排名靠前的廠商也不一定真有多少能覆蓋到眾多國(guó)家的簽證數(shù)據(jù)，大家可能更多的還是在用一些開(kāi)源數(shù)據(jù)和自己的業(yè)務(wù)數(shù)據(jù)來(lái)訓(xùn)練的。

同時(shí)我們也注意到了大部分廠商其實(shí)還并不能在每個(gè)任務(wù)上都得到很好的結(jié)果，有明顯的domain差異帶來(lái)的識(shí)別率下降，所以也能多少猜出來(lái)一些可能用了什么樣的數(shù)據(jù)之類的信息。

比賽中：

既然如此，那必須要試一下了。

首先仿照ArcFace在開(kāi)源數(shù)據(jù)上做一些baseline的模型出來(lái)作為參照。這里要強(qiáng)調(diào)一下，豐富的測(cè)試集對(duì)于衡量模型效果是非常必要的。在平時(shí)的產(chǎn)品研發(fā)中，我們已經(jīng)積累了大量的多場(chǎng)景測(cè)試集，可以測(cè)試到非常低的誤識(shí)別率（我們也發(fā)布過(guò)一個(gè)人臉測(cè)試平臺(tái)，支持接近萬(wàn)億分之一低誤識(shí)率且非常高效率的在線模型評(píng)測(cè)，trillionpairs.deepglint.com，該測(cè)試平臺(tái)也支持了ICCV 2019 的人臉識(shí)別 workshop 競(jìng)賽 insightface-challenge.com）

接下來(lái)就是把長(zhǎng)期以來(lái)產(chǎn)品研發(fā)中積累下來(lái)的模型結(jié)構(gòu)設(shè)計(jì)經(jīng)驗(yàn)，分布式模型訓(xùn)練經(jīng)驗(yàn)，數(shù)據(jù)集融合經(jīng)驗(yàn)和CPU平臺(tái)上的高效inference經(jīng)驗(yàn)快速移植到官方指定的測(cè)試環(huán)境下。

關(guān)于模型結(jié)構(gòu)設(shè)計(jì)和壓縮，在產(chǎn)品的持續(xù)研發(fā)和迭代中，我們已經(jīng)積累了比較多的經(jīng)驗(yàn)，可以很快的設(shè)計(jì)一批各種各樣的CPU友好的模型結(jié)構(gòu)。

關(guān)于分布式模型訓(xùn)練，可以參考我們之前的一個(gè)分布式人臉識(shí)別算法介紹(zhuanlan.zhihu.com/p/35)，可以獲得幾乎線性的加速。

關(guān)于數(shù)據(jù)集融合，在很多場(chǎng)景我們可能都會(huì)發(fā)現(xiàn)，直接融合兩個(gè)不同源的數(shù)據(jù)可能會(huì)有一些問(wèn)題。我們也曾經(jīng)思考了很久，最終找到了一種可以有效利率各個(gè)數(shù)據(jù)源的融合策略，使得在多個(gè)不同的產(chǎn)品場(chǎng)景中都能表現(xiàn)得很好。所以要做的就是把手頭上所有的跟NIST比賽數(shù)據(jù)類型有關(guān)的數(shù)據(jù)都巧妙的融合起來(lái)，但是由于時(shí)間有限，全量數(shù)據(jù)做實(shí)驗(yàn)是不現(xiàn)實(shí)的，這次比賽還是只能用一部分。

關(guān)于高效的CPU inference。這里有個(gè)小插曲。我們?cè)?jīng)做過(guò)一個(gè)業(yè)余項(xiàng)目，基于強(qiáng)化學(xué)習(xí)的五子棋AI訓(xùn)練。我們仿照AlphaZero的思路，并且做了針對(duì)性的改進(jìn)，使得基于幾十張卡就可訓(xùn)練到強(qiáng)職業(yè)的水平，最后這個(gè)項(xiàng)目也參加了2019年的五子棋AI世界錦標(biāo)賽（Gomocup 2019），并且拿了平衡開(kāi)局的無(wú)禁手世界第四名（StarDust)，是所有基于深度學(xué)習(xí)算法中最好的(gomocup.org/results/gom)。為什么只有第四呢？深度學(xué)習(xí)算法潛力巨大，如果有充分的訓(xùn)練資源，再加上GPU支持的走棋策略當(dāng)然可以完勝傳統(tǒng)算法，但是這個(gè)比賽為了公平性的考慮，也有一個(gè)限制就是必須要提供CPU單線程下的可執(zhí)行程序，所以在這么有限的計(jì)算資源條件下（而且評(píng)測(cè)的19x19路的大棋盤(pán)），我們覺(jué)得能到第四名已經(jīng)還不錯(cuò)了。雖然沒(méi)有顛覆所有傳統(tǒng)算法，但這次的業(yè)余項(xiàng)目，也使得我們對(duì)CPU單線程下的inference優(yōu)化有了比較好的積累。

在這個(gè)過(guò)程中，我們根據(jù)以往的經(jīng)驗(yàn)，在這個(gè)特定比賽任務(wù)上，不斷的試驗(yàn)各種模型優(yōu)化策略、數(shù)據(jù)集融合策略，也包括調(diào)整和嘗試各種模型結(jié)構(gòu)、超參數(shù)、迭代次數(shù)、損失函數(shù)等等。因?yàn)橐囼?yàn)驗(yàn)證的細(xì)節(jié)非常多，我們先以很高優(yōu)先級(jí)，走通了基于fp16的訓(xùn)練方式，使得訓(xùn)練速度提升了幾乎一倍。

這段時(shí)間在印象里是過(guò)得飛快，但大家都非常興奮，因?yàn)楦咝实脑囼?yàn)使得我們幾乎每隔幾天就能看到新的提高。但時(shí)間總是很有限，在我們迭代了幾十個(gè)模型后，就已經(jīng)六月初，臨近比賽結(jié)束了。雖然感覺(jué)還有很多的想法沒(méi)有試驗(yàn)完，但是也沒(méi)辦法，差不多就打算選個(gè)最好的模型提交了。當(dāng)時(shí)根據(jù)我們的自測(cè)，結(jié)果還湊合，按照ArcFace之前成績(jī)的估算，應(yīng)該大概率能進(jìn)入前五名（按FRVT 4月份的成績(jī)）。

之后恰好是CVPR 2019的會(huì)議時(shí)間（6.15-6.21），F(xiàn)RVT相關(guān)的一切基本準(zhǔn)備就緒后（只差最后的確認(rèn)提交），我就帶著幾個(gè)瞳學(xué)去了Long Beach，去了解最新的學(xué)術(shù)動(dòng)態(tài)去了。沒(méi)想到還沒(méi)等到開(kāi)會(huì)，就收到了小伙伴新的消息，在半精度模型訓(xùn)練的過(guò)程中，發(fā)現(xiàn)了一處隱藏的bug，在復(fù)雜Loss和數(shù)據(jù)源的情況下會(huì)造成模型訓(xùn)練的不穩(wěn)定。于是，中美兩地開(kāi)始不分白天黑夜的緊急修改（倒也省得倒時(shí)差了)，一陣忙活之后，又看到了非常顯著的提升，那種感覺(jué)是非常不錯(cuò)的。

之后就按照官方要求進(jìn)行了最終的郵件提交，之后就一直沒(méi)有什么信息了，直到7.3號(hào)，比賽結(jié)果出來(lái)，看到三項(xiàng)的結(jié)果都超過(guò)了依圖。如果按照4月份的排名，這個(gè)成績(jī)基本上能跟當(dāng)時(shí)的VisionLabs并列第一。不過(guò)因?yàn)閂isionLabs也有了小幅提升，然后又冒出來(lái)一個(gè)成績(jī)還挺不錯(cuò)的Ever AI，所以我們?cè)?.3號(hào)最新的榜單里是世界第三名(按公司來(lái)看) 或者世界第四名(按模型提交數(shù)來(lái)看)。只看國(guó)內(nèi)的話，是順利的暫列第一了(大部分任務(wù)都超過(guò)了友商，當(dāng)然在簽證照片上還遜色依圖，在兒童照片上比曠世差一點(diǎn))。

我覺(jué)得我們有一個(gè)比較大的優(yōu)勢(shì)是在所有任務(wù)上表現(xiàn)都相對(duì)比較一致，不像大部分友商的提交，會(huì)在某些場(chǎng)景表現(xiàn)得比較差，似乎是出現(xiàn)了一些domain的偏向性，這在實(shí)際應(yīng)用中，有可能會(huì)遇到一些問(wèn)題。仔細(xì)看一下結(jié)果我們會(huì)發(fā)現(xiàn)，在這方面Ever AI其實(shí)做得更加優(yōu)秀，非常值得我們學(xué)習(xí)。

最后再做一個(gè)總結(jié)吧，簡(jiǎn)單分三個(gè)方面：

一：感謝

感謝ArcFace的Baseline, 以及在我們比賽中提供的一些支持。

感謝靠譜的團(tuán)隊(duì)成員，人數(shù)不多，在產(chǎn)品壓力下，還敢做挑戰(zhàn)世界的事情，而且還能做得不錯(cuò)。

感謝友商，給我們提供了階段性的追趕目標(biāo)。

二：不足

訓(xùn)練數(shù)據(jù)仍沒(méi)有充分使用起來(lái)

在新型網(wǎng)絡(luò)結(jié)構(gòu)的探索、模型結(jié)構(gòu)搜索(NAS)和模型inference優(yōu)化(如定點(diǎn)化, 模型壓縮等)等方面還有一定的空間

在人臉識(shí)別的問(wèn)題建模、損失函數(shù)的進(jìn)一步優(yōu)化、泛化性能的保證、優(yōu)化策略的影響等方面仍然缺乏足夠的清晰理解

三：未來(lái)

人臉識(shí)別在真實(shí)場(chǎng)景的應(yīng)用效果，其實(shí)遠(yuǎn)不是一個(gè)比賽能夠完全衡量的。人臉識(shí)別發(fā)展到現(xiàn)在，也包括基于人臉識(shí)別而衍生出來(lái)的行人ReID等以圖搜圖技術(shù)，其實(shí)離真正解決工業(yè)界大規(guī)模的應(yīng)用都還有不小的距離，萬(wàn)路、十萬(wàn)路、乃至百萬(wàn)路的剛需，仍在前面等著我們?nèi)ゲ粩鄡?yōu)化和探索。

當(dāng)然，因?yàn)樯婕暗焦緝?nèi)部的很多研發(fā)細(xì)節(jié)，這里無(wú)法更加詳細(xì)的介紹具體技術(shù)，但我們非常期待對(duì)相關(guān)技術(shù)有濃厚興趣、有獨(dú)特想法、有很強(qiáng)執(zhí)行力的朋友加入我們，你將有機(jī)會(huì)了解到所有的技術(shù)細(xì)節(jié)，并與我們一起進(jìn)一步推進(jìn)相關(guān)研究，做更多有意義的事情。另外，本文的很多內(nèi)容都是我個(gè)人的一些理解和分析，應(yīng)邀匆忙整理了一下，有些疏漏或者錯(cuò)誤也是難免的，如有發(fā)現(xiàn)，歡迎指出。

格靈深瞳算法團(tuán)隊(duì)：格靈深瞳核心團(tuán)隊(duì)，負(fù)責(zé)公司所有產(chǎn)品線的各類不同算法的支持（安防、零售、智能相機(jī)、機(jī)器人等等，檢測(cè)、跟蹤、識(shí)別、檢索、商品推薦、數(shù)據(jù)挖掘、定位和導(dǎo)航等）。同時(shí)關(guān)注前沿算法研發(fā)和踏實(shí)的產(chǎn)品落地，擁有大規(guī)模的業(yè)務(wù)數(shù)據(jù)積累。