WakeData：算法提速2.3倍，速度决胜智慧经营｜腾讯SaaS加速器·学员动态

来源 | 腾讯SaaS加速器首期项目-WakeData

WakeData技术团队近日在算法优化上取得显著成果，在无损照片精度的条件下，将人脸识别速度提升了2.3倍，原先一秒钟识别约83张人脸照片，提速之后，一秒钟可识别约200张照片，极大提升了人脸识别服务的响应速度，为客户提供更优质的服务体验。

AI人脸识别是机器学习平台的上层应用之一，本次算法的优化是对机器学习平台底层逻辑的加速，平台上层应用，如计算机视觉、智能推荐、趋势预测等，都将在效率上得到极大提升。

计算机视觉

 ▶  人脸识别

人脸识别主要应用于线下门店的客流统计分析。通过客流云前端硬件设备自动提取线下客流人脸图像，利用机器学习平台算法模型，对多个目标进行实时处理，实现线下门店客流的实时统计与分析，结合移动端导购应用、营销互动大屏等，帮助企业与商家快速了解客户信息，实现智能导购和精准营销。在未来，Face ID还将成为人们日常通用的ID之一，因此人脸识别的功能对线上与线下客户经营而言，都十分重要。

 ▶  AI钢筋计数

在钢铁工业中，钢铁企业在钢筋的生产、运输、销售等环节都必须精确计算钢筋根数，此项工作在过去是由多方工作人员进行的，不仅费时费力，而且在精神疲劳的情况下还会出错。AI钢筋计数功能，对各个钢筋截面形状、状态、颜色、光线等方面的差异进行数据记录，利用算法进行深度学习，可以对钢筋精确计数，大大减少人力与时间成本。WakeData AI钢筋计数在 DCIC AI数钢筋比赛的数据集上进行了验证，F1值达99%以上，精度高、适用性强，而本次算法的优化亦将进一步提升计数的效率。

 智慧赋能

 ▶  智能推荐

机器学习平台基于海量用户行为、用户标签等数据，通过推荐算法自动生成用户画像，训练集包括历史用户数据与实时用户数据，保证用户画像的精确度，提高个性化推荐的时效性和精准度，推荐系统被广泛应用于微商城、客户管理、导购等多个场景中，随着业务规模的扩张、用户与数据的增长，算法系统中模型训练的压力也会随之增加，模型上线及产品优化的速度将会被拖慢。WakeData算法的提速，将有助于海量数据集的高效处理，在计算量增多的情况下，保证智能推荐的效率。

 ▶  广告投放

DMP用户洞察平台基于受众喜好、流量分析和市场情况等维度的数据，结合机器学习算法精准分析用户，通过DSP广告投放平台定向推送，帮助客户智能选择受众、提高广告投放的效率，并通过长期的模型训练，将广告投放的优化工作简化为系统自动优化，叠加深度学习算法，提高广告投放的效率和准确率，帮助企业从广告中获得更高的收益。

趋势预测

机器学习算法从一类数据中自动分析获得规律，并能够利用规律对未知数据进行预测。企业在经营过程中，对趋势预测有着强烈的需求，如订单趋势预测、经营趋势分析等，帮助企业对客户需求、资源需求、项目投资未来的趋势做出智能化的预估。“获取数据—分析数据—建立模型—预测未来”构成了智能商业的实施路径，精准的趋势预测，将有助于企业提高决策效率、规避风险。

 ▶  决策效率的提升

过往的商业决策投入成本和技术门槛都相对较高，企业内大量的非技术员工无法通过数据做出科学、理性的趋势判断，做出决策。机器学习平台建立在大数据基础平台之上，能够对企业全域数据进行分析、建模，对日常运营、产销供应链、用户行为等合理预测，自动生成可视化报表，让非技术员工也具备数据分析能力、做出优秀决策，提升企业管理效率。

▶  对风险的控制与规避

对金融、地产商业等行业而言，准确的趋势预测将有利于风险控制与风险规避。通过机器学习平台，系统可以通过对比实时的趋势预测与过往相同时间段的趋势，检测特殊或异常的行为，在超过设定阈值时自动发出警报；结合实时计算平台消除采取行动和得出结果之间的滞后时间，为企业在事件前的风险预测、事件中的风险控制提供数据支持。

马克思曾言，一切节省，归根结底都是时间的节省。机器学习平台技术和应用日渐繁荣，各行各业智能化加速升级。在数据与算法定义的世界中，高效的资源配置、对市场的快速反应将成为企业的重要竞争优势。

在数据类型与体量暴增的当下，机器学习结果要保证高精准度，就需要加大训练数据集规模，随之而来的是速度的下降。WakeData算法速度的提升，有助于机器学习平台对精准度与速度的兼顾，实现上层应用效能的提升，帮助企业在数字化时代下占有一席之地。

———— / END / ————

腾讯SaaS加速器·产业升级实战派

腾讯SaaS加速器，作为腾讯产业加速器的一个重要组成部分，旨在搭建腾讯与SaaS相关企业的桥梁，通过技术、资本、商机、生态等层面的扶持，从战略到落地全方位加速企业成长，从而助力产业转型升级。