8月28日，在中国计算机学会主办的赛事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、MOT Challenge全球竞赛测评交通场景目标检测世界；
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。