近日，在国际权威的人脸识别标准评测数据库 LFW 和 MegaFace 上，云知声团队研发的人脸识别 UFaceID 算法系统，在上述两项标准评测中，性能分别达到 99.80% 和 98.47%。该成绩除了反映云知声现阶段的计算机视觉能力，亦可视作云知声在多模态 AI 能力建设方面的决心。

LFW 是人脸识别研究领域最重要的人脸图像测评集合之一，MegaFace为目前最具权威的、热门的评价人脸识别性能的数据集之一。简单来说，LFW 针对早期人脸验证任务提出评测方法与指标，结果具有借鉴意义;而 MegaFace 提出的关于百万级别的 1：N 人脸辨识任务的评测指标，难度更大，是目前学术界测评的新主流。

据雷锋网 AI 科技评论了解，云知声为首次参与内部测评，之所以能获得评测数据集的肯定，与云知声分布式机器学习智能计算平台——Atlas 脱不开关系。

Atlas 机器学习智能计算平台以 GPU 和 CPU 为计算集群的基础硬件资源，针对智能计算的需求和任务特点，使用云知声内部改进的 Kubernetes 作为资源管理和调度系统，通过计算任务容器化和图形化的任务交互，最大化的简化算法研究人员提交计算任务的复杂度，实现计算任务的全流程管理和一键式分布式运行。同时，针对智能计算对海量真实应用场景数据的访问特点，Atlas 智能计算平台构建具备 PB 量级的高 IO 和高可靠的分布式存储系统。

此外，在 Atlas 智能计算平台基础上，为了更加高效地实现算法模块共享和高效运行，云知声研发了 UniFlow 计算框架。支持 DNN、CNN、RNN/LSTM、seq2seq 等丰富的机器学习和深度学习算法模块，支持 TensorFlow 、 PyTorch 、Caffe 等主流计算框架以及用户自定义算法，同时，优化分布式任务的计算和通信逻辑，计算效率提升 50% 以上。在下一代的 UniFlow 中，还将集成自动调参和模型压缩模块，实现全流程托管式自动调参，能够为不同场景下的 AI 数据处理、算法演进提供高效的计算支撑。

云知声 CEO 黄伟指出，「在 LFW 和 MegaFace 评测数据集上的初露锋芒，检验了云知声在计算机视觉研究方面的新进展，也更加坚定了我们发展多模态 AI 能力的信心。但是，从另一方面来看，技术的最终目的是落地，由单纯算法所驱动的技术差距实际上正在变得越来越小，如何将技术落地到场景才是所有的 AI 公司应该关心和考虑的。」