猫脸辨识没这么容易！GPU加持深度学习才突破瓶颈

奇群科技执行长宋牧奇一直想为旗下团队熟悉的先进GPU技术研发实力，找到一个杀手级的应用，经过多次碰壁后，没想到最后却是在家中得到答案，爱猫的意外激发他为多猫家庭打造智慧喂食器的点子。

2008年宋牧奇从美国IBM离职，便与另一位创办人共同创立奇群科技，他们一开始专注于GPU技术，并将之应用于开发多人在线游戏服务器平台，尽管当时各大在线游戏厂商也认为，能让服务器效能提升百倍是一项很厉害的技术，不过，因为服务器的花费对于一款在线游戏整体营运成本来说，比例低的不足一提，厂商不愿花费额外的开发资源转换平台，使的原本宋牧奇引以为傲的技术，因为疏于对于市场的了解，而导致这项产品最终以失败收尾。

在2014年，奇群科技却又因这项GPU技术的应用，获得了许多市场的关注，其智慧猫咪喂食器CATFi在群众募资网站Indiegogo受到超出预期的欢迎，3天内就达到原先募款目标的10万美元，最终吸引来自80个国家1,400名赞助者，共募得25万美元。CATFi这个看似有趣的商品，其后端所使用的技术并不简单，是运用现在当红的深度学习技术。

CATFi出发点只为解决自己的问题

而CATFi这个点子，来自宋牧奇饲养宠物的亲身惨痛经验，他家中总共养了5只猫，其中有一只猫一个星期都没吃东西喝水，但是他却不知道，因为5只猫都共享食物以及水的容器，当他下班回家，看到食物跟水都有减少，直觉认为每只猫都有正常吃喝，直到有天回家发现其中一只猫趴在地上不能动，送去医院才知道这只猫因为胰脏炎，导致身体不舒服没有食欲，没有进食引发血栓两只脚瘫痪，最后只好截肢。

宋牧奇的妹妹是兽医，常常碰到饲主将家中宠物带来就医的时候，健康状况已经非常糟糕，但如果能纪录宠物的饮食习惯，对于诸如糖尿病会导致猫咪进食喝水频率改变的疾病，就能提早发现，而不至于严重到无法挽回的地步。

宋牧奇表示，设计猫咪喂食器CATFi一开始的目的，只是想解决自己遇到的问题而已。CATFi的应用特别适合多猫家庭，有养猫的家庭，通常都不只养一只猫而已，宋牧奇提到，美国有多达一半以上的养猫家庭都是多猫家庭。

CATFi的功能不只能够纪录家中每只猫日常的喝水以及进食的状况，主人也能用手机看到家中爱猫吃东西的实时影像，或是过去的统计资料，而根据每只猫长期的饮食纪录，便能粗略掌握爱猫日常的健康变化。

在刚开始使用的时候，主人需要先在App中，标记几张家中猫咪的照片以及相对应的名字，以训练CATFi学习分辨猫咪间的差异，之后当猫靠进装置要吃东西时，踏板下不只有感测器能测得猫咪的重量，还能启动摄影机，实时将猫咪影像串流回后端服务器，经过辨识知道是哪一只猫咪要吃饭，再根据预先设定的喂食策略，给予猫个别化喂食。

至于猫咪会不会乖巧的使用喂食器，让摄影机拍摄脸部影像，或是同时有两只猫挤进喂食器的情况又该怎么办，宋牧奇说：「CATFi在装置硬件上做了很多猫体工学的努力」，以尽量避免意料之外的事情发生。

把喂食器设计的让猫方便使用固然是重要的，不过，CATFi之所以被称为智慧喂食器，是因为它能对每只猫给予不同的喂食策略，而要分辨出家中每一只猫并非易事，需要应用如同人脸辨识的机器学习技术，才能够不只让计算机知道什么是猫，甚至进一步知道每一只猫的不同之处。

深度学习让机器精准辨识猫

CATFi不只使用了GPU技术，还使用了机器学习中当红的算法深度学习（Deep Learning），

深度学习算法会从学习样本中最小的单位（Primitive）开始，例如样本是图片，为了优化学习效果，须将资料处理单位拆解到像素等级，算法会从每个画素出发，计算画素与画素之间的线段关系，线段与线段的连接形成边的关系，而边与边相连则会形成轮廓关系等，每一阶段的处理都是一种特征萃取，计算机进而找出具有哪些特征的图片是代表猫。

适当的将深度学习算法运用在辨识工作上，能取得良好的结果，但由于深度学习是复杂数学模型，且要使用足够多的训练样本，才能得到够好的结果。计算上又需从样本的最小单位（Primitive）开始计算，并且经过多层特征萃取，因此非常耗费运算资源，当用来训练模型（Model）的运算能力有限的时候，训练一个可用的模型所需时间可能高达数周，这样的时间成本，在很多情况的应用上可用性便大打折扣，更何况并非任何人都能拥有千台服务器等级的运算资源。

CATFi是一款智慧猫咪喂食器，后端使用深度学习技术，能够辨识家中每一只猫，并根据不同的喂食策略喂食，主人还能透过App实时看到猫吃东西的画面。

产品大约有以下几个重点：

1、具猫脸辨识，能够辨别不同的长相。可以得知是哪只猫在吃东西

2、所站的地方具体重测量功能，可以测知猫的体重

3、喂食器的部分，一边是放水，一边是饲料，藉由重量的变化，可以得知每天所吃的份量

4、猫吃的地方有摄影机，除了刚谈到的辨识技术外，另一方面也可以让你在远端看到他。

所以能够在你不在家的时候，帮你顾好家中的猫小孩。当家中猫咪食欲有异常状况时，会透过app通知宠物主。

不止精准，GPU加持让辨识更快

为了克服深度学习训练模型动辄以天计算的问题，工程师开始把脑筋动到GPU上，利用其平行运算的特性加速整个过程。但在GPU以及分散式系统执行机器学习都会遭遇相同的问题，由于机器学习在取得最终结果之前，中间过程需要经过多次迭代，而这两种平行运算的系统在设计上，便需要建立互相沟通的机制，让机器互相交流信息，宋牧奇说，由于在GPU上每个执行绪是共享存储器，所以耗费在沟通的成本非常低几乎可忽略。

GPU与深度学习的结合，使得技术可用程度得以大幅提高。因为即便深度学习的辨识率很高，但是当计算时间需要过长的时间，那终究是无用，毕竟使用者利用象是Google Now的语音搜寻服务，便会想要立即得到结果，对于回应延迟的容忍度随着科技发展而降低。

最后Lady衷心祝大家G年行大运！