FaceOS人脸超级算法FaceOS人脸超级算法
产品介绍
人工智能的核心基础技术是算法，算法对人工智能的重要性，相当于HTML语言对互联网的重要，只有越来越多的产品支持通用化的HTML语言，互联网才能蓬勃发展。当前商业应用的主流人脸算法的商业模式主要是闭源算法、私有模型、专属SDK以及算法和硬件捆绑销售，这些方式不利于人脸算法在设备之间、数据之间的兼容、对接和系统整合应用。
人工智能行业的发展离不开通用、开放、标准化的底层技术，才能促进技术普及、产品标准化和更多的数据反哺算法的升级。
FaceOS人脸超级算法是场景自适应、人群自学习的极限精度开放人脸算法。
FaceOS人脸超级算法的开源框架一经推出即获得如下荣誉：
2018年MegaFace百万人脸识别冠军
产品特点
开放训练框架，支持用户改进
算法训练框架代码开源，符合MIT协议，支持有开发能力的用户对源代码进行修改完善，减少商业应用风险。对于缺少开发能力的用户，支持商业咨询服务形式的算法框架训练和定制服务，满足各类细分场景的算法优化需求。
算法精度领先，实现商业稳定应用
算法在综合历年人脸训练模型优势的基础上，通过对特征向量及权重的归一化和加性角度距离从而大幅改进了损失函数效率，以及改进了IR网络结构更适宜人脸图片的训练，提高了人脸照片的类间可分性同时加强类内紧度和类间差异。
场景自适应、人群自学习
对于几十万、数百万甚至更大规模的人脸识别应用，往往要结合实际人脸采集设备场景、实际人群类型进行算法的优化训练功能。超级算法支持通过智能升级模块的方式，实现对人脸库的容量进行智能监测。当发现人脸库容量达到可训练级别时（通常为十万人以上），如果符合人脸算法训练条件以及硬件设备资源支持（有多卡GPU硬件）时，将进行算法模型的智能升级。
端云融合、智能升级
算法支持在中心服务器部署，也支持在多款AI智能芯片上部署。中心服务器和AI芯片上的算法支持统一的特征值管理，即云端建模、终端推理，或者终端建模、云端推理，不需要传输原始照片信息；当云端算法与终端算法不一致时，以云端高精度算法为基准，实现对终端算法的智能升级。
产品销售形态
高精度人脸算法模型
硬件加速框架
算法SDK
智能算法升级模块
产品版本
项目 | 免费版 | 商业版 | 定制版 |
算法精度 | 95% | 99.5% | >99.5%，可定制升级 |
人脸库容量 | <3000人 | <10万人 | 不限人脸库容量 |
SDK形态 | Windows Linux | Windows Linux | Windows Linux |
智能升级 | 不支持 | 可选模块 | 支持算法升级定制 |
授权管理 | 免费授权 | 按设备数授权 | 按集团授权 |
