人脸超级算法

● 开放训练框架，支持用户改进

算法训练框架代码开源，符合MIT协议，支持有开发能力的用户对源代码进行修改完善，减少商业应用风险。对于缺少开发能力的用户，支持商业咨询服务形式的算法框架训练和定制服务，满足各类细分场景的算法优化需求。

● 算法精度领先，实现商业稳定应用

算法在综合历年人脸训练模型优势的基础上，通过对特征向量及权重的归一化和加性角度距离从而大幅改进了损失函数效率，以及改进了IR网络结构更适宜人脸图片的训练，提高了人脸照片的类间可分性同时加强类内紧度和类间差异。

● 场景自适应、人群自学习

对于几十万、数百万甚至更大规模的人脸识别应用，往往要结合实际人脸采集设备场景、实际人群类型进行算法的优化训练功能。超级算法支持通过智能升级模块的方式，实现对人脸库的容量进行智能监测。当发现人脸库容量达到可训练级别时（通常为十万人以上），如果符合人脸算法训练条件以及硬件设备资源支持（有多卡GPU硬件）时，将进行算法模型的智能升级。

● 端云融合、智能升级

算法支持在中心服务器部署，也支持在多款AI智能芯片上部署。中心服务器和AI芯片上的算法支持统一的特征值管理，即云端建模、终端推理，或者终端建模、云端推理，不需要传输原始照片信息；当云端算法与终端算法不一致时，以云端高精度算法为基准，实现对终端算法的智能升级。