短短一年的时间里，猎户星空就在人工智能两大领域——语音系统和图像识别取得卓越成绩，凭借技术积累和不断创新，猎户星空将走得更远。
在人脸识别领域中，有很多国际级别的赛事，比较著名的有：LFW 、MegaFace 等。其中，微软在2016 年提出的 MS-Celeb-1M 基准测试被誉为人脸识别年度「世界杯」。
近日，这场「世界杯」也落下帷幕，一家来自中国的人工智能公司——猎户星空在此次比赛中夺得第一名。
此外，Panasonic-NUS（新加坡国立大学）获得无限制类（可以自由使用外部数据）第一名；在小样本学习（Low-Shot Learning）子命题（Challenge 2）中，美国东北大学获得有限制类第一名；NUS-Panasonic （新加坡国立大学）获得无限制类第一名。
冠军背后：成立一年的猎户星空有着哪些故事
仔细调查不难发现，猎户星空全名为北京猎户星空科技有限公司，创立于 2016 年 9 月，竟然是猎豹移动旗下人工智能子公司。
从官方的介绍中可知：猎户星空成立初就汇聚了全球人工智能的精英人才，初创团队拥有来自美国硅谷，日本，台湾地区，中国北京，深圳等全球一流科技公司技术大牛和产品极客，博士占比近 5 成。今年 6 月份，他们还联合喜马拉雅发布了一款面向用户的小雅 AI 音箱。
作为猎户星空 AI 生态链上的第一款产品，小雅 AI 音箱背后的核心便是猎户星空全链路自研的远场语音交互系统，音箱一经推出，就获得业界和市场的好评，预售 5 万告罄。
（图为小雅 AI 音箱）
此次参加微软的百万名人识别大赛，也是猎户星空出于工业界大规模应用的层面，希望中的技术突破可以落地。赛后的技术成果也会被猎户星空运用到实际场景中，比如：门禁、机器人、移动 APP 等。
微软的百万名人识别大赛有什么不一样
据了解，2016 年 6 月，微软向公众发布了大规模现实世界面部图像数据集 MS-Celeb-1M，含有 10 万个名人的约 1000 万（10M）张脸部图片，鼓励研究人员开发先进的人脸识别技术。同时宣布的还有 MS-Celeb-1M 百万人脸识别挑战赛。该竞赛由微软研究院主办，借助计算机视觉领域顶级会议 ICCV 2017 的平台，既包括大规模人脸识别竞赛（Hard Set 及 Random Set），也推出全新的、更具挑战性的小样本学习（Low-Shot Learning）竞赛，堪称「级别最高」「难度最大」的技术赛事，竞赛实现了人脸“端到端”识别，有助于参赛模型投入现实应用。
根据比赛赛制，本次比赛的两个子命题都包括有限制类和无限制类。两者的区别在于是否可以使用外部数据。相比之下，有限制类别只能在限定的数据集内调用，比拼的是团队的算法能力。
猎户星空团队选择直接向更公平，完全纯技术比拼的有限制类别发起了攻坚战，凭借技术实力和积累，猎户星空团队获得百万名人识别子命题（Challenge 1）有限制类（只使用竞赛提供数据）第一名。
（图为比赛结果）
比赛中，他们面临的困难重重：竞赛数据噪声很大，无法直接用于训练；而整个训练数据集非常大，适合人脸模型大规模训练的模型对资源的要求又很高，很难做到又快又好。
好在团队一直以来都在算法上不断地追求极致。经过研究，他们设计了一种鲁棒的去噪算法，可以针对各类不同程度的噪声数据都进行有效地去噪。同时选择采用适合大规模训练的 triplet 模型，并创新地使用了一种巧妙的设计，在有限资源下加速了 triplet 网络的训练，也大大提升了性能。
这些创新性的做法，成为猎户星空此次比赛的杀手锏，最终猎户星空团队获得 0.75／0.606（random set／hard set）的高分。要知道，random set成绩已经达到了不使用外部数据的极限，远超以往的记录，实力碾压了去年所有团队的成绩，用比赛举办方的话来说，0.75 已经接近满分，是一个非常难以达到的成绩。而在 hard set 上 0.606 的成绩，也是远远超过去年的最好成绩（0.534）。
此时，距离猎户星空成立还不过一年的时间。在此之前，猎户星空还在另一项人脸识别国际赛事 LFW 的评测中取得了前三名的成绩。
短短一年的时间里，猎户星空就在人工智能两大领域——语音系统和图像识别取得卓越成绩，凭借技术积累和不断创新，猎户星空将走得更远。
