【51CTO.com原創稿件】2016 年11月25-26日，WOT2016大數據峰會在北京粵財JW萬豪酒店召開，50多位大數據領域一線專家、數據技術先行者齊聚現場，在圍繞數據智能、大數據商業、區塊鏈、實時計算、系統架構、NoSQL等前沿技術話題展開深度交流和溝通探討的同時，分享大數據領域***實踐和最熱門的行業應用。

在WOT2016大數據技術峰會算法與模型分會場， 蘑菇街圖像視頻算法負責人張洪明（民達）做了主題為“人臉技術在電商平臺的應用實踐”的演講，51CTO記者在峰會現場對其進行了專訪。

【受訪人簡介】

[[177643]]

張洪明（民達）·蘑菇街圖像視頻算法負責人

張洪明（蘑菇街花名：民達）2015年加入蘑菇街，負責美麗聯合集團圖像技術的研發工作，創建和帶領一個算法團隊，與工程和業務團隊合作，為集團提供圖像技術支持。主要工作包括：圖像搜索、圖像識別、商品圖像內容分析等；業務涉及電商導購、直播等場景。在加入蘑菇街之前，分別在NEC中國研究院、阿里巴巴集團，從事圖像技術和機器學習的研究和應用。

張洪明表示，近幾年，隨著深度學習的流行，基于深度學習的人臉技術開始逐漸出現，并取得了不錯的成績。如基于Faster-RCNN的人臉檢測算法在FDDB上名列***、Google的FaceNet在LFW上取得了99.63%的人臉識別***成績、Face++基于CNN的人臉特征點定位算法也在公開數據集300W上取得了***的成績。然而,深度學習對于大量計算資源的需求和復雜的模型（幾十MB到幾百MB），使得上述技術難以應用在移動端，傳統算法雖在性能上不及深度學習，但其計算資源消耗少、模型簡單的優勢，更適合應用在目前的移動設備上。因此，基于傳統算法和基于深度學習的人臉技術目前在業界處于并存狀態。但隨著處理器的發展和針對深度學習的優化技術逐漸成熟，基于深度學習的人臉技術勢必在將來更加普及。

人臉技術概述和應用場景

蘑菇街自2015年起，開始人臉技術的自主研發。已完成人臉檢測、人臉特征點定位、人臉識別等多種技術的SDK、服務開發。主要服務于圖片社交、電商直播、支付金融等業務。

蘑菇街作為電商的APP，女性用戶相對較多一些。用到人臉技術的場景也很多，如直播頻道、后續特效、針對電商選品，模特紅人視覺等。

人臉技術在移動端如何保證時間效果

張洪明表示，時間和效果的問題更加突出在移動端開發上，尤其是直播部分需要實時播放，這樣對性能要求會更高。在整個處理過程中，除了做人臉圖像處理，還需考慮到視頻編碼、轉碼、播放等業務流程。做人臉檢測、特征定位等技術用時當然是越小越好，目前電商直播環境下蘑菇街的人臉技術在人臉前期處理上10毫秒之內就能夠完成，

這是怎么做到的呢？民達表示，蘑菇街會對算法做很多優化，如參數和計算定點化技術。最主要是在算法模型上做深入優化，在速度和效果之間達到一個平衡。在直播當中，并不一定要用***的識別性能，但保證時間效果比較關鍵。

人臉技術在算法分類上的不足

從算法分類來講，當下在業界，基于深度學習人臉圖像技術性能相對較好，而且效果已經遠遠超出傳統的方法。但不足的是其模型較大，對計算資源的消耗也較大，導致在移動設備上還有挑戰，在這種情況下，現在在移動端還是用傳統的方法來解決業務的問題。

在將來，隨著深度學習本身技術的優化，隨著硬件條件不斷地提升，在移動端能夠把深度學習這樣的一些技術也運用在實時的場景下，這是蘑菇街接下來重點突破的，不管在理論還是實踐都要面臨的課題。

采訪***，張洪明說道：“針對人臉技術來說，對于初創企業，要先滿足業務，用一些開源算法或第三方采購算法，把業務先做起來，然后再去開發自己可以獨立掌握的技術。根據公司的技術水平，可以從簡單到復雜的路徑，我們可以從相對簡單傳統的算法開始，再涉及到更復雜需要資源消耗深度學習的算法，這樣逐步的去迭代。

【51CTO原創稿件，合作站點轉載請注明原文作者和出處為51CTO.com】