连线Face++前方团队：COCO夺冠背后的细节，不是拼硬件这么简单

李根 发自 凹非寺 量子位 报道 | 公众号 QbitAI

昨天，量子位报道了中国团队再次称雄AI大赛，把谷歌微软和FB甩在身后的消息。

简而言之，在计算机视觉顶会ICCV 2017期间，中国团队在物体检测、人体关键点检测等竞争激烈的比赛中击败了谷歌、微软、Facebook等国际巨头AI实验室，7项竞赛囊获了5项第一。

其中，中国AI创业公司旷视科技（Face++）在MS COCO物体检测、人体关键点检测，以及Places物体分割等三项核心竞赛中拿下第一名。

在旷视前方团队归国之际，我们和其团队代表进行了一次远程连线，旷视研究院Lead Researcher姜宇宁和实习生肖特特，向量子位谈到了更多更直接的参赛感受。

领队姜宇宁

量子位：谈谈这次你们主要的算法框架使用情况吧？

姜宇宁：这次我们的主要使用的是“MegDT”（Megvii Detection）系统，这套算法是基于FPN类似的框架，然后加了很多我们的改进。

具体的贡献，比如我们是学术界第一个用非常大的batch size训练物体检测的团队，之前工作中用的batch size，比如何恺明的Mask R-CNN，Facebook的FPN，最高是16，而我们做到了250多。

量子位：为这次COCO比赛准备了多久？

姜宇宁：具体冲刺时间是2个月，不过真正的准备是从春节假期之后就开始的，前前后后有半年左右的时间，进步也很快，比如我们3月份的水平是35、35，但最后比赛的成绩达到了52，这半年内提升还是很大的。

量子位：主要围绕哪些方面进行了提升？

姜宇宁：除了batch size，还用多监督信号和各种各样上下文信息方面的提升。关于此次比赛所用的方法、技术，我们也会以论文的形式发表，应该在CVPR上就会有揭晓。

量子位：也有评论说你们这次胜利是拼硬件、堆硬件的结果，你怎么看？

姜宇宁：我打个可能不太恰当的比方。二战中美国和日本比拼，真正实力和最后比拼的就是工业生产能力的高低，结果反映的也是工业生产能力、综合实力的高下。

当然，比赛成绩对于我们而言，只是一个结果。就像我们在最后演讲时候说的那样：这次参赛让我们在快速迭代能力方面感触很深，不仅是如何拥有大规模计算力，而且更关键的是有能力把这些计算力充分用起来。

我认为不管是研究，还是初创公司发展，都要构建起这样的能力，可以把资源快速使用起来，形成更高效的创新。

所以拼硬件也好、堆机器也好，并不是一个所谓花钱就能解决的事情，而是有能力把这么多机器用起来、用好。

量子位：除了参赛选手的因素，这次你们三项第一的关键是什么？

姜宇宁：MegBrian和Brain++是我们此次取胜的关键要素，其中MegBrain是我们内部研发的一套深度学习框架，等同于Google的TensorFlow、Caffe2，不过研发的时间比他们要早半年。我们现在内部所有的研发，都是基于这套工具去做的。

量子位：这次比赛大家比拼的算法，都有公开的论文，你认为什么原因导致了最后结果上的差异？

姜宇宁：我觉得核心还是在于“变招”和“内功”，我是武侠迷，用武侠举个例子吧。

首先，降龙十八掌，丐帮历代帮主可能都会，但为什么萧峰打得更好？就是因为他在原来的基础上，创造了不少后招、变手。我想我们也是这样，根据公开的论文，进一步在应用中优化、改变，进行了大量的改变，导致实现不一样。

其次，哪怕是一模一样的算法，最后实现也不一样，这就是MegBrian和平台Brian++的能力，招式都一样，但内功不同，哪怕一模一样的算法，平台对多机多卡的支持更好，我们就能做出不一样的效果。

量子位：具体在这次比赛中，你们的“内功”是如何体现的？

姜宇宁：比如我们做了一个大的batch size，做了一个多机多卡，可以同时支持在32台机器上同时做训练，这是内功体现之一。

可能还需要再次强调下，这次比赛虽然我们几个选手站在一线，但没有背后的团队，肯定不可能达成目标。

我们只是最后被关注到的那几个进球的前锋，但这支“足球队”中的中场、后卫和守门员，都非常重要，缺一不可。

比如MegBrian的同事，对我们的支持也非常大，在我们比赛前，Megbrian团队告诉我们，他们完美实现了在一张卡上放更多的图，这让我们节省了近40%的内存，这才允许我们可以把batch size做这么大。一次训练，我可以放的图更多。

所以这样的能力，即便我们不参加COCO比赛，也能应用到其他地方——COCO只是检验我们内功修炼如何的一次实战比赛。

量子位：总体上你会怎么评价这次COCO比赛？

姜宇宁：三方面吧。首先，通过这次比赛，锻炼了队伍、检验了这套内功究竟修炼得如何，还有参赛同学的现场实战能力等，总体还是很欣慰的；其次，检验了MegBrian和Brain++的稳定性；第三，接下来可能要把检测做得更快更好，应用到更多产品吧。

量子位：COCO比赛的模型可以直接应用到产品中吗？

姜宇宁：还不行。

但通过这个比赛，我们得到了一些经验性的东西，比如什么东西是有用的，什么是没用的。这样的经验可以传送给离产品更近的部门。

另外，说到检测，可以看看Face++现在做的两个事情，一个是在移动端，做模型的小型化，我们的ShuffleNet超越了Google的MobilNets；另一个事情是Face++在做的MegEye-C3S智能人脸抓拍机，软硬件结合，人脸检测算法可以在FPGA这样的条件下跑起来，而且成本更低。

量子位：这次中国军团也是大放异彩，你们感受如何？

姜宇宁：中国参赛队伍的表现都很好，都在各项比赛中站在了前列。我认为这是好事，AI往前发展，聪明的人进来得越多，对整个行业就越有利、越有意义。

大三实习生肖特特

量子位：你这次以大三实习生身份参赛受到关注，你在旷视实习多久了？

肖特特：我到旷视实习马上满2年，2015年开始，那时候刚入大学不久，之前有一些编程方面的经验。

然后我的老师针对编程经验的同学专门设立了一个班级，有一些前沿知识的拓展，提供一些案例，其中就有Face++，当时我也好奇，这些理论知识，是怎么被在现实中应用的，所以找到了Face++进一步了解，当时参观和面试的感觉是：前沿、有趣和有价值，最后留了下来，开始实习。

量子位：目前为止最深的印象是什么？

肖特特：很多同学很聪明，都有很强的动手能力，他们想很多的问题都很透彻。

另外，干活靠谱，也是非常重要的因素，任务下来后全力以赴，不达成目标不罢休，所以结果都是相当好的，又快又好。

最后是对技术的追求，我们是一家以技术驱动做产品的公司。大家在一起很兴奋、快乐。

量子位：未来有什么规划吗？

肖特特：未来会去北美念博士。原本不想念博士，但最近两年的经历，让我觉得应该在某个方向上专研够深，而且已经在工业界待过，也有一些经验和启发，或许能够帮助我的科研方向上的突破。

最后就是可以好好思考下很多问题，不止学术问题，也包括对生活、人生理想的思考，如果是念博士，可能会比较时机恰当。

当然，因为旷视在北美也设立了研究院，所以未来也可能继续在旷视，即便这些都是未知数。

量子位：学业、实习、ACM，怎么平衡时间？

肖特特：我爱好比较多，什么都会接触一下，但主要是：1）找到生活中的平衡，找到优先级，ACM中我的队友也是我的室友，大家平常生活就会讨论，不会占用太多时间；2）大一大二以课业为主，其后就开始有针对性选择感兴趣、更进一步深入的事情，然后在公司加强自己的动手能力。