張駿峰，小蟻科技首席架構(gòu)師，負責(zé)小蟻AI圖像相關(guān)算法架構(gòu)。主要包括：小蟻智能攝像機的智能報警服務(wù)、小蟻智能行車記錄儀的輔助駕駛ADAS服務(wù)、小蟻運動相機App的圖像風(fēng)格遷移技術(shù)以及小蟻微單App的圖像視頻編輯技術(shù)。其團隊包括移動開發(fā)、前端、后臺、算法，成員分布在北京及以色列。張駿峰于2015年加入小蟻，此前，張就職于微軟長達14年，參與過Windows, .Net Framework, MSN, Office, Lync, Skype等產(chǎn)品的研發(fā)工作。

小蟻科技成立于2013年，是一家年輕的互聯(lián)網(wǎng)硬件企業(yè)。小蟻專注探索智能、可穿戴、移動化的新型視頻類智能電子產(chǎn)品的開發(fā)，產(chǎn)品包括小蟻智能攝像機系列、小蟻行車記錄儀系列、小蟻運動相機系列、小蟻微單相機等智能硬件產(chǎn)品，以及和谷歌合作的YI Jump 360°3D VR拍攝設(shè)備。同時，小蟻還有一系列的移動應(yīng)用和服務(wù)，幫助用戶更好地使用小蟻設(shè)備。

CSDN：駿峰您好，小蟻的產(chǎn)品主打視覺。那么首先請您向大家介紹一下，在小蟻智能攝像機上，與AI相關(guān)的技術(shù)有哪些？

張駿峰：我們在小蟻智能攝像機上提供了多種智能服務(wù)。

智能報警

大部分的智能攝像機都提供移動偵測服務(wù)。當(dāng)攝像機檢測到畫面有大幅變動的時候，服務(wù)器會向用戶推送一條報警消息。

小蟻智能攝像機提供了同樣的服務(wù)，同時，在報警的時候，向服務(wù)器上傳了一張圖片，和一段6秒鐘的視頻。這樣即使有人把攝像機拿走了，用戶還是可以看到發(fā)生了什么事。

傳統(tǒng)的移動偵測方案，靈敏度是一個很難解決的問題。如果靈敏度太高，用戶會收到過多的無效報警，可能會錯過重要信息。如果靈敏度太低，會有重要事件發(fā)現(xiàn)而用戶收不到報警的情況。我們提供了一個拉桿，用戶可以在高，中，低靈敏度選擇。

我們還提供了一種人形檢測的升級方案。當(dāng)用戶把這個升級方案的開關(guān)打開后，如果檢測到畫面有大幅改動，攝像機會繼續(xù)對畫面進行進一步檢測，只有在攝像機認為畫面中有人，才會通知服務(wù)器給用戶推送報警信息。這樣可以大大減少誤報的情況。

小蟻智能攝像機還提供了寶寶哭聲檢測。如果攝像機檢測到持續(xù)的寶寶哭聲，也會向用戶推送報警。

手勢識別

小蟻智能攝像機還提供了手勢識別功能。當(dāng)用戶在攝像機面前做出“攤開手掌-然后握拳”的組合動作時，攝像機會自動錄制10秒視頻，推送給手機App用戶。我家小孩特別喜歡這個功能，有事沒事他就會試一下這個功能，然后給我表演一段僵尸舞。

選擇“攤開手掌-然后握拳”這樣一個組合，是為了減少誤觸發(fā)。

我們還在研究其他AI技術(shù)，比如人臉檢測，人臉識別，物體識別，如何經(jīng)濟實惠地讓這些新技術(shù)給用戶帶來價值。

CSDN：除智能攝像機之外，小蟻也發(fā)售行車記錄儀。那么在小蟻行車記錄儀上，與AI相關(guān)的技術(shù)有哪些？

張駿峰：我們在小蟻行車記錄儀上為用戶提供ADAS智能安全提醒系統(tǒng)，有效提供安全提醒并實時糾正駕駛行為。主要是兩個功能：車道偏移預(yù)警，前車距離監(jiān)測

車道偏移預(yù)警

當(dāng)車輛在高速上行駛時，如果行車記錄儀檢測到車輛偏移道路時，會提醒用戶車輛已經(jīng)偏移道路。

前車距離監(jiān)測

行車時，如果行車記錄儀檢測到離前車距離越來越近，超過一定閾值時，會提醒用戶注意保持車輛距離。

CSDN：在上述兩種產(chǎn)品的模型訓(xùn)練過程中，訓(xùn)練集與測試集從何而來，采用何種網(wǎng)絡(luò)及框架，在系統(tǒng)調(diào)優(yōu)方面有何技巧？

張駿峰：開源的數(shù)據(jù)集和開源代碼提供了基礎(chǔ)的訓(xùn)練集和測試集。

但是這樣的數(shù)據(jù)集訓(xùn)練出來的模型，放在小蟻的產(chǎn)品上，出來的效果不是很滿意。

我們是有一批內(nèi)測攝像頭，免費送給用戶。用戶看到有意思的情況，分享給我們。內(nèi)測用戶很多是小蟻員工。我們根據(jù)用戶提供的數(shù)據(jù)，調(diào)整模型，更新算法。

在實際產(chǎn)品上，我們采用的是一種“端+云”的混合方式。端上先做一部分篩選，云上再做進一步的處理。

限于硬件的計算能力，端上目前是用傳統(tǒng)方法處理。

云上，我們現(xiàn)在使用的是YOLO模型，基于我們自己的情況，做了一些優(yōu)化。

CSDN：您認為圖像分割、物體識別、目標(biāo)跟蹤這一系列技術(shù)的難點在哪里？

張駿峰：我們遇到的困難主要有兩點：1.數(shù)據(jù)，2.優(yōu)化

數(shù)據(jù)

雖然現(xiàn)在有很多開源數(shù)據(jù)集，但是，這些數(shù)據(jù)集是被用于學(xué)術(shù)界創(chuàng)新和研究的benchmark數(shù)據(jù)集。這些數(shù)據(jù)和真實場景下的用戶數(shù)據(jù)差別很大，場景也不足夠豐富。用開源數(shù)據(jù)訓(xùn)練出來的模型，識別率往往不夠理想。因此，真實場景下的海量標(biāo)注數(shù)據(jù)集是非常關(guān)鍵的。

小蟻產(chǎn)品的用戶量很大，用戶使用小蟻產(chǎn)品的場景各種各樣，環(huán)境也各不相同。有些用戶的使用場景也讓我們大開腦洞。限于我們的人力物力，我們優(yōu)先處理主要用戶場景。

優(yōu)化

如前所述，小蟻采用的是一種“端+云”的混合方式。不管是端還是云，優(yōu)化始終是我們大的挑戰(zhàn)。

在端上，由于硬件限制，無法運行深度神經(jīng)網(wǎng)絡(luò)，我們目前使用的是傳統(tǒng)方法。即使這樣，如何更快的處理視頻，也是很大的挑戰(zhàn)。

在云上，我們用GPU服務(wù)器運行深度神經(jīng)網(wǎng)絡(luò)，費用很高。小蟻的用戶量很大，用GPU服務(wù)器處理，成本壓力很大。

我們迫切需要技術(shù)的發(fā)展，能夠把不影響準確率太多的前提下，把處理成本降下來。

CSDN：除了小蟻目前正在做的，您對圖像跟蹤、識別這一系列技術(shù)的落地方向還有何構(gòu)想？

張駿峰： AI技術(shù)現(xiàn)在已經(jīng)很強大了。AlphaGo顛覆了人們對AI的理解。人臉識別的準確率不斷被刷新。但是，AI用到真正的場景上，還是非常困難的。首先是數(shù)據(jù)問題。上面已經(jīng)討論過了。然后是模型的訓(xùn)練調(diào)參。這也是一個非常漫長痛苦的過程。然后是模型的驗證。周而復(fù)始。由于這些問題，AI技術(shù)現(xiàn)在做好一個場景，需要花費很大的精力。

期待有一天，AI技術(shù)可以做到像使用AWS API這樣簡單。

CSDN：自從生成網(wǎng)絡(luò)火爆，圖像風(fēng)格遷移的APP便層出不窮，但似乎都還僅停留在娛樂層面，沒有向更深更實用的方向發(fā)展，那么小蟻做AI藝術(shù)這個應(yīng)用的初衷是什么，下一步將踩在哪里？

張駿峰：小蟻除了硬件產(chǎn)品，還有很多相配套的移動應(yīng)用配合硬件產(chǎn)品。其中，小蟻運動相機/小蟻微單App提供了完整的硬件控制，圖像視頻編輯，社區(qū)分享的流程。我們一直在思考如何讓用戶玩得更好。

2015年底我們已經(jīng)知道風(fēng)格遷移的論文，并且做了嘗試。那時候我們沒有GPU機器，用cpu來實現(xiàn)處理算法，處理速度非常慢。嘗試過一次后我們就放棄了。

Prisma的火爆，讓我們意識到在風(fēng)格遷移是可以有很好的移動用戶體驗的。我們開始使用購買GPU機器，用GPU來實現(xiàn)風(fēng)格遷移算法。幸運的是，那時候已經(jīng)有好幾篇論文，把風(fēng)格轉(zhuǎn)換的速度提高了很多。我們在前人的基礎(chǔ)上，實現(xiàn)了我們自己的風(fēng)格遷移算法，應(yīng)用到小蟻的移動應(yīng)用上。

小蟻AI藝術(shù)上線的時候，正好趕上微信小程序即將上線的消息。我們立刻組織人員實現(xiàn)了小蟻AI藝術(shù)微信小程序版。由于時間緊迫，我們在后一個星期六才提交審核。幸運的是，我們的小程序一次審核通過，得以在小程序放開的第一天，讓用戶使用。大部分使用過小蟻AI藝術(shù)微信小程序的用戶，反饋都是非常正面的。在幾乎沒有推廣的情況下，上線第一天獲得了超過20萬的使用次數(shù)。

我們早上線的小程序只能處理圖片。春節(jié)之后，我們更新了一版，新的小蟻AI藝術(shù)微信小程序可以處理小視頻。相信用戶用小蟻AI藝術(shù)處理過小視頻后，會有更深刻的感受。

現(xiàn)在的小蟻AI藝術(shù)，從用戶體驗上看，還有很多局限性。首先，每一種風(fēng)格，合適于某一類圖片�，F(xiàn)在的體驗，用戶必須手動把所有風(fēng)格都試一遍，才知道哪種風(fēng)格合適。某一種風(fēng)格，或者合適于人像，或者合適于風(fēng)景。對于同時有人有景的圖片，有時候需要做一個抉擇。

我們能提供的風(fēng)格模板也比較有限，用戶使用過一陣后，新鮮感減少。好的用戶體驗，是讓用戶任意指定一張照片，和一種風(fēng)格，我們能把這張照片按照用戶指定風(fēng)格處理。我們現(xiàn)在的技術(shù)還無法做到這一點。

CSDN：您覺得圖像風(fēng)格遷移技術(shù)的難點在哪里，如何落地，瓶頸是什么？

張駿峰：首先是網(wǎng)絡(luò)設(shè)計。各種論文上的方法，需要我們自己實現(xiàn)出來。但是按照論文方法實現(xiàn)出來后，我們發(fā)現(xiàn)效果不是很好，照片處理后有一種很臟的感覺。如何去臟，把照片弄干凈，花了我們很多時間。我們對終的效果還是很滿意的。

然后就是風(fēng)格的選取。選擇一個對大多數(shù)照片都合適的風(fēng)格，是一件很繁瑣的事情。我們一開始就定了一個方向：中國風(fēng)。事實證明，傳統(tǒng)中國風(fēng)，顏色比較簡單，大部分的照片，遷移之后效果不太好。我們從兩個方面解決這個問題。一方面，我們把中國近代的著名畫家都找了一遍，試了無數(shù)張，后從中挑了8種風(fēng)格做為第一次的模板。同時，我們針對這8種風(fēng)格，每一種風(fēng)格都做了不同的網(wǎng)絡(luò)優(yōu)化。

整個過程中，我們發(fā)現(xiàn)，選擇一種好風(fēng)格，非�；〞r間。我們也希望能有一種工具，讓我們很容易判斷這種風(fēng)格是否好。但目前為止，我們還沒有找到這樣的工具。

CSDN：小蟻AI藝術(shù)訓(xùn)練所用數(shù)據(jù)來自哪里，采用何種網(wǎng)絡(luò)及框架，在具體實施過程中有何技巧？

張駿峰：對我們來說，比較幸運的是，我們已經(jīng)有一個小蟻社區(qū)，用戶在社區(qū)上分享了很多照片。這些照片是我們的測試數(shù)據(jù)集。風(fēng)格的選取上，由于我們主打中國風(fēng)，我們主要的目標(biāo)在中國近現(xiàn)代著名畫家的作品上。

網(wǎng)絡(luò)方面，主要是借鑒了李飛飛的網(wǎng)絡(luò)，根據(jù)我們自己的風(fēng)格，做了不同的調(diào)整�？蚣芪覀冇玫氖荰orch。

我們花了很多時間處理去臟的問題。這個也是一個開發(fā)靈機一動想到的辦法，然后就好了。很神奇。

CSDN：小蟻AI藝術(shù)主打“中國風(fēng)”，請問為何選擇這種風(fēng)格？

張駿峰：因為我們不想和其他人一樣。很多App選擇了西方風(fēng)格。我們在中國，就應(yīng)該選擇中國風(fēng)。這種選擇讓我們多了很多開發(fā)時間，但我們認為是值得的，也是我們?yōu)橹�驕傲的�?/p>

CSDN：在產(chǎn)品的研發(fā)過程中，團隊遇到過哪些問題？是如何解決的？

張駿峰：服務(wù)端，小程序初上線的時候，很多人用，給服務(wù)器很大壓力。我們使用的是阿里云的服務(wù)。在阿里云的HPC和阿里云OSS之間，對于高并發(fā)有一些問題。我們幾次反復(fù)，和阿里云支持團隊多次交流，后解決。

小程序方面，很多H5有的功能不能使用，也讓開發(fā)饒了一些彎路。比如，給圖片加水印，就試了好多條路，后是在服務(wù)器上實現(xiàn)的。

開發(fā)AI藝術(shù)小視頻的時候，也遇到了很多問題。視頻的方向是一個大問題。視頻的處理時間比圖片長很多，這使得我們不得不改架構(gòu)。

大部分問題都解決了。但是在小程序上如何保存處理后的視頻，我們始終沒有找到一個好方法�，F(xiàn)在只能讓用戶在我們提供的H5頁面上處理保存視頻。

CSDN：小蟻的產(chǎn)品及技術(shù)如何與競品公司差異化？

張駿峰：聽用戶反饋，抓住每一個細節(jié)，緊跟世界前沿，學(xué)習(xí)先進經(jīng)驗，不斷進步，努力做到更好。這是我們的原則。

CSDN：在管理方面，您有何獨到的帶隊方式？

張駿峰：給團隊高度，讓團隊用自己的辦法達到期望的高度，然后告訴我他們自己可以達到的高度（必須比我要求的高度更高）。向世界好看齊。

上篇文章：2017年網(wǎng)頁設(shè)計的16個趨勢
下篇文章：開展域名實名認證工作