8月28日，在中国计算机学会主办的顶级赛事CCF 大数据与计算智能大赛(CCF-BDCI)——多人种人脸识别经典赛中，博观智能刷新业内纪录勇夺冠军，突破业界公认难题，再次证明了自身领先的AI技术能力。

CCF大数据与计算智能大赛(CCF Big Data & Computing Intelligence Contest，简称CCF BDCI)，是由中国计算机学会于2013年创办的国际化智能算法、创新应用和大数据系统大型挑战赛事，是全球大数据与人工智能领域最具影响力的活动之一。大赛已成功举办六届，共吸引了来自全球25个国家，1500余所高校及科研院所，1800余所企事业单位的60000余人参加，已经成为中国大数据及人工智能赛事的旗帜。

多人种人脸识别被公认为是人脸识别领域仅存的几个业界难题之一常规人脸识别包括人脸检测、关键点定点、人脸特征提取、特征比对等几个环节，运用人工智能算法提取整个面部特征信息，与底库中的人脸特征进行比对，计算两者的距离(相似度)，当特征相似度达到一定阈值后就可以判定为一个人。与普遍识别精度比较高的黄种人脸识别任务不同，其他人种人脸识别因为肤色成像环境的不同，经常出现曝光差、脸部特征模糊、人眼区分困难的问题，另外由于样本采集困难及训练素材少，进一步加剧了识别精度提升的难度。

随着新冠疫情在全球的蔓延，各个国家多人种人脸识别的需求激增，作为基于计算机视觉的技术创新企业，博观智能希望践行“用AI技术不断创造与建设智能美好社会”使命，以AI技术助阵全球抗疫，攻克这一业界技术难题。通过以下技术创新及探索，博观智能取得了多人种人脸识别领域的突破：

创新型的网络架构将人种作为一种Label，去指导多域网络的训练。采用自适应域特征加权的方式进行训练，训练前预先训练一个人种分类器(图中的CNN模块)，网络提取多个域的不同特征，人种分类器模块算出的特征经过Softmax模块后可以当做域特征加权权重，各域特征与对应的Softmax相乘后加权，作为一个辅助特征，再与原始网络的多维特征相加作为最终的特征输出。

多损失函数融合

用arcface loss去保证分类效果，提高类间区分度，用circle loss提高类内相似度和类间区分度，并使用独创的SaveCosLoss去进一步获取每个ID之内的固有特征。

对训练集进行数据增强，让训练集和物理世界的数据分布一致除了传统的Data Augmentation处理外，博观技术团队基于图像质量自适应对图像增强，该方法利用图像质量模型评价每张图像质量，并根据图像的质量动态调整增强方法、增强参数和概率，对识别率有较大提升。

博观智能研发部副总裁杨治昆：2019年底博观智能在国际三大主流ReID(跨镜追踪)数据集 Market1501、DukeMTMC-reID、CUHK03 上刷新世界纪录，使用的是博观自主研发的 AdaptNet深度网络结构2.0版本，该技术让ReID的精度和性能得到极大优化与提升。今年，我们持续迭代升级到AdaptNet3.1版本，在原有基础上对人脸识别算法做了大量的精度、性能优化，尤其是针对成像差、有色人种、小像素等业界难题做了非常深入的研究与技术攻关，最终的技术成果不仅在大赛中得到验证，作为AI实战派，我们的人脸识别算法在众多AI落地项目中取得良好的应用效果 。

博观智能(BreSee)是基于视觉的人工智能科技创新型企业，算法团队有近十年行业人工智能技术的深厚积淀，并支持完成 1000 余项行业场景化 AI 项目交付，具备硬核算法与工程化落地的双重优势：

博观智能原创的 AdaptNet 深度网络，在2017年、2018年分获KITTI测评车道检测算法世界第一、MOT Challenge全球竞赛测评交通场景目标检测世界第一；2019年11月，博观智能ReID算法在国际三大主流ReID数据集 Market1501、DukeMTMC-reID、CUHK03 上刷新世界纪录，六大单项指标均为最高，同时刷新业内记录；

2020年，在中国计算机学会主办的顶级赛事CCF 大数据与计算智能大赛——多人种人脸识别经典赛中，博观智能刷新业内纪录勇夺冠军。

未来，更多精彩，敬请期待

扩展阅读

NO.1, NO.1, NO.1博观AI算法刷新ReID三大世界纪录

《博观AI之道》：第三期｜AI抗疫背后的“技术流” 口罩人脸识别算法深度解析