NTechLabの創設者Artyom Kukharenko-顔認識、ニューラルネットワークおよびビジネスの可能性について

FindFace識別アルゴリズムのデモンストレーターがWebで利用可能になった瞬間、誰もがNTechLabについて耳にしました。数回クリックするだけで、写真からほとんどすべての人（通行人、反対側の乗客など）のネットワーク座標を決定できるので、人々に衝撃を与えました。



Artyom Kukharenkoの顔認識への道はそれよりずっと前に始まりましたが、実際、最も重要な点はMegaFace University of Washingtonコンテストでの勝利でした-昨日、同社はクラウドベースのSaaS製品FindFace.proを発表しました。



Artyomとアルゴリズムとビジネスについて話し、スマートオブジェクト認識技術の展望についても話しました。

アルテム・クハレンコはモスクワ州立大学で高等教育を受けました。 M.V. ロモノソフ、計算数学およびサイバネティックス学部を卒業。 学生として、彼はモスクワ州立大学のコンピューターグラフィックスおよびマルチメディア研究所で働いていました。



2013-Purdue American Universityのe-Labラボとのコラボレーションを開始しました。



2014-Artem Kukharenkoは、Samsungモスクワ研究センターの従業員になりました。 同時に、彼はニューラルネットワークのテーマに関する多くの科学論文の著者として登場しました。

あなたがすることは、ほとんどのスタートアップとは異なります。 このプロジェクトを始めるきっかけは何でしたか？



一般的に多くの要因があります。 モスクワ州立大学で顔認証の卒業証書を取得しました。 当時、私たちはニューラルネットワークの研究を始めたばかりで、主にいわゆる手作業の機能を使用していました。たとえば、アルゴリズム、たとえば、ニューラルネットワークの前でさえ発生したLBPまたはHoG記述子の上のSVMです。



その後、私はさまざまな会社で働きました。 その後、彼らはすでにニューラルネットワークを積極的に使用し始めました。 ニューラルネットワークを使用すると、さまざまな分野で作業の質を向上できることがわかりました。



暇なときに、犬の品種を認識して友達に見せるアプリケーションを開発しました。 彼らは私を投資家に紹介してくれました。 一緒になって、テクノロジーを適用するためのいくつかのオプションを考え出し、その上で収益を上げる方法を理解しました。 その結果、彼らは顔認識になりました。



あなたの投資家は誰ですか？



これらは個人です。 現在、そのうちの1人が共同設立者になっています。 他の人もこれに近いです。 現在、彼らは時間の25〜50％をプロジェクトに費やしています。



そして、おそらく、彼らをパートナーと呼ぶ方が正しいでしょうか？



はい さらに、開発エンジニアのクールなチームが選ばれました。 最初は、3つの開発に従事していました。 ちょうどそのとき、MegaFace Benchmarkコンテストで優勝した顔認識アルゴリズムを思いついて実装しました。 ワシントン大学が実施しました。 100万人のデータベースで顔を認識する必要がありました。 以前は、このような競争は小さな拠点で開催され、MegaFaceではすべてが実際の条件に近かった。



当然、世界中の100以上のチームが関与しています。 また、アルゴリズムを送信しました-開発の現在の段階を理解するためです。 そして突然彼らは1位になりました。 その瞬間から、顧客、投資家、マスコミから非常に大きな関心が寄せられました。 そして、b2b製品を積極的に開発し始めました。



FindFaceは少し遅れて登場しましたか？



はい 最初は、大量の写真（最大10億）を検索する検索エンジンを使用しました。 おそらくそれが私たちが1位になった理由です。 検索精度は、最初の重要な基準です。 2番目は検索速度です。 アルゴリズムが30分または1分を検索する場合、これは誰にとっても特に興味深いものではありません。



プライバシーについてどのくらい考えましたか？ すべてが長い間インターネット上にありました。 専門的にスパイ活動に従事している人はいません。 写真をFacebook、Google、VKに渡すと、いつかこれらの写真を検索することを理解する必要があります。 認識アルゴリズムを実装することのマイナスの結果についてあなたはどう思いますか？



アルゴリズムを作成したとき、エンジニアがそれを効果的にすることは単に興味深いものでした。 それから初めて、私たちはそれをどのように適用し、幅広い聴衆のために製品の形でリリースするかについて考え始めました。 しかし、強力なテクノロジーが登場したら、人々はそれらについて知る必要があると判断しました。 テクノロジーを使用する特別なサービスにのみテクノロジーを提供し、誰もそれを知らない場合、これは1つのことです。 そして、私たちはそれをオープンに使用します-これは異なります。 人々はそれについて知っており、ネットワークに投稿するものとそうでないものについて結論を出します。



このことの存在を知って、世論はそれ自体を調整します。



それでも、内務省や警察などから多くの感謝状を受け取りました。



Facebookであなたのプロフィールを見ていると、FindFaceの登場後、あなたの写真が変わって、一般的な背景-そのような「最高の時間」が起こったことに気付きました。 MegaFaceが多くの注文を受けた後、顧客。 会社は深刻なペースで成長し始めていますか、またはこれらのソリューションの商用化に構造的な障壁がありますか？ あなたのビジネスプランは何ですか？



私たちの国ではすべての方向にすべてが急速に成長しています。 同社には約25人の従業員がいます。 新しい年までに約30があります。「一緒に」チームを迅速に募集する必要があります。 私たちはこれをうまくやっているようです。 当社は、ビジネスユニット、製品チーム（最終製品を製造）、および研究所（アルゴリズム、検索品質などを改善）という3つの論理コンポーネントに分かれています。



現在、500を超えるアプリケーションがお客様から寄せられています。 ある時点で、多くの注文があるという事実に直面しました。そのため、ビジネス向けの製品はありません。



これはどのような形で市場に存在しますか？ SaaS、ブラックボックスサーバーサイドアプリ、モバイルアプリ？



FindFaceは、アルゴリズムのデモにすぎません。 お金を稼ぐつもりはありません。 現在、FindFace Cloud API（SaaS）クラウドサービスを開始しています。これにより、写真をアップロードして検索することができます。

10月18日、NTechLab はビジネスソリューション-FindFace.Proを導入しました 。



この製品では、「クラウド」を介してサードパーティのアプリケーションと顔認識テクノロジーを統合できます、とサービスの説明は述べています。 これを使用すると、写真で顔を検出し、将来の使用に備えてベースを識別および形成できます。



この製品は、ショップ、カジノ、コンサートやその他の公開イベントを開催する企業、およびその他の企業を対象としています。 契約の締結時に、NTechLabはクライアントに100ドルを入金し、3か月以内に18,000の顔認識リクエストを行うか、1万の顔のギャラリーを作成します。

このサービスは、ソーシャルネットワークや出会い系サービスから小売およびセキュリティシステムに至るまで、多くの業界で需要があります。



これは小売に適用されます。たとえば、店舗と常連客がいます。 さらに、この技術は銀行部門で使用されています-自撮りによる支払いの確認、承認。



エンターテインメントの分野には、あらゆる種類のアプリケーションがあります。たとえば、似たような人の検索です。 出会い系サービスでは、他の人の写真の使用がすべてのソーシャルネットワークにとって緊急の問題であるため、これを写真のモデレートに使用できます。



Cyber​​Crimeに行ったことがあります-これも使用例の1つです。



はい Alfa Future Peopleとのプロジェクトもありました-多くの写真家がいます。 彼らは、チャットボットを使用して、このユーザーまたはそのユーザーが参加したすべてのイベントの写真をユーザーに表示しました。



2番目の製品はSDKです。 ライブラリはC ++で記述されており、顔の検出、特徴ベクトルの構築、ベース、およびこのデータベース内の検索のためのメカニズムを提供します。 これは、製品のライセンスに基づいてSDKを構築するさまざまなインテグレーターにとって興味深いものです。



SaaS、SDK、および大規模プロジェクト用のカスタムソリューションがあることがわかりました。



少し前まで、Facebookはビデオ検証サービスの複製を開始しました。 著作権所有者が投稿したかどうかを識別するために、各ビデオがチェックされます。 彼らはあなたと同じようなテクノロジーを使用していますか？



私が理解しているように、彼らは完全なコンプライアンスを探しています。 そして、私たちは同じ写真ではなく、同じような写真のセットを見つけます。 これは、偽のアカウントとの戦いに役立つ可能性があります。 現在、いくつかの大規模なソーシャルネットワークとチャットしています。 彼らは私たちのアルゴリズムを埋め込みたいと思っています。 写真の大きなデータベースを検索するだけで問題があります。 それまでは、手動でこれを行うモデレーターの「軍隊」がいます。



ターゲット消費者は州です。 彼らはこれらの製品を最も必要としています。 しかし、あなたにはまだポリシーはありませんか？ たとえば、ロシアだけでなく米国でも製品を販売する場合、問題は発生しますか？



まだです。 純粋に市場の歴史があります。 設定はありません。 さらに、グローバル企業を構築しています。 このためにSaaSを作成しました。 世界中で販売する方が簡単です。



NTechLabは2020年までにどうなりますか？ 従業員は何人になりますか？ あなたのオフィスはモスクワにしかありませんか、それとも米国のどこかに本社を開きますか？



2016年の終わりまで、米国にオフィスを構えます。 2020年までに、すべてのカメラにアルゴリズムを組み込む計画があります。



すべての市販のビデオとカメラに？



はい しかし、おそらく私たちはまだ他のタスクに従事しているでしょう：例えば、医学における深層学習の使用。



それはワトソンが今やっていることですか？ 診断はほとんどイエスですか？



はい 薬は頭に浮かぶ最初のものです。 しかし、来年は十分な現在のタスク、感情の認識、性別などがあります。



感情認識をどのように実装する予定ですか？ 同じことをしてください：悲しい人/面白い人？



はい すでにあります。 現在、この機能をテストしています。 おそらく彼女はすぐにSaaSに登場するでしょう。 シリーズ「私に嘘をつく」と同じものがないことは明らかです。 魔法はありませんが、感情を隠そうとしない人のレベルでは、認識が発生します。







ニューラルネットワークが登場する前の顔認識技術は、人の顔のいくつかのポイントの位置を決定する修正に基づいていたことを知っています。 これはどのように実装されていますか？



ポイントを見つけようとはしていません。 ニューラルネットワークは入り口で顔全体を受け取り、正しい認識の答え：「これはVasya、これはPetya、これはMashaです。」 学習プロセスでは、顔に関するすべての情報を含む特徴ベクトルが最後のレイヤーに形成されます。 中間層では、ニューラルネットワークによる重要な特徴が計算されます。



構造を正しく設定すると、最後のレイヤーで80個の数字の符号のベクトルが取得されます。



つまり、個人の一意性を決定する80個のパラメーターですか？



はい、80の数字は0.5キロバイト未満です。 したがって、大規模なデータベースで効果的に検索を実行し、属性の保存にメモリを経済的に費やすことができます。



これにはどのような容量が必要ですか？



ネットワークがトレーニングされると、通常のコンピューターで効率的に動作できます。 たとえば、FindFaceは、トップエンドマシンではなく、5つのAmazon EC2サーバーで実行されます。 システムは、2億5千万枚の写真のデータベースを検索するときに、1秒間に50個のクエリを保持します。



そして、私たちが彼女を訓練する必要があるなら？



ニューラルネットワークのトレーニングに最適なため、GPUで彼女をトレーニングします。 私たちの場合、2,000万枚の写真に関する1回のトレーニングに平均1か月かかります。 しかし、ここにはまだ約20の実験が同時に実行されているサーバーがあります。



つまり、1つの完全なGPUスーパーコンピューターは必要ありません。クラスターは十分ですか？



はい



写真よりもビデオを扱うのがどれほど難しいですか？



写真のビデオは、フレーム数のみが異なります。 したがって、ビデオで作業する場合、アルゴリズムの速度の要件が増加します。 トレーニングの観点からは、何も変わりません。



起動するSaaSでビデオを操作できますか？



いいえ。ただし、SDKはビデオで動作します。 ビデオストリーム全体をクラウドに送信することはあまり合理的ではありません。 顔検出器を備えたモジュールがあります。 したがって、SaaSの場合は、フレームを選択して個別にクラウドに送信する必要があります。



そのようなソフトウェアソリューションの開発はどれくらい高価ですか？ 消費者にとっての製品の価格はどれくらいですか？



それはすべてプロジェクトに依存します。 1,000リクエストあたりのSaaSは1ドルから5ドルです。



これは大量生産ですか？



もちろん。 つまり、イベントや店舗によっては、月に数百ドルかかります。 大規模な個別プロジェクトがある場合、価格は異なります。







テクノロジーの詳細。 SaaSとSDKは同じアルゴリズムに基づいています。 SDKはC ++で記述されています。 理由は明らかです。迅速かつ確実に機能します。 他にどのような言語、技術を使用していますか？



トレーニングには、Caffe、Theano、Torch7などの標準ライブラリを使用します。 Python、C ++、およびCudaプラットフォームで記述します。 GPUでCudaを使用すると、学習がはるかに高速になります。 実験のために主にPythonが必要なので、何かを書いて試してみてください。 クラウドもより便利であるため、それに書かれています。



R＆Dのプログラマーに対する要件は何ですか？



ここで重要なのは、言語やテクノロジーではなく、一般的なアルゴリズムの知識、数学的トレーニングの要件です。 もちろん、機械学習とC言語のような分野の知識が必要です。



製品チームについて話すと、もちろんC ++が必要になります。





写真：アレクサンダー・ウトキン



データベースに関する質問。 これらはすべてどこに保存されていますか？



検索インデックスについて話している場合、これが私たちの開発です。 これにより、1秒未満で大規模なデータベースを検索できます。 これは製品の一部です。

ユーザーに関する情報の保存について話す場合、データベースはここではあまり重要ではありません。 Mongoを使用しています。 しかし、検索に関連するものは何もありません。



あなたが有名になった後、多くの人々がお金を提供し始めましたか？



たくさんありますが、私たちはまだ誰からもお金を取っていません。 近い将来、ラウンドを終了します。



少し前にアメリカに行きました。 初めての旅行ですか？



はい



あなたに直接興味がありましたか？ 誰と話しましたか？ レジャーとビジネスを組み合わせていることを正しく理解していますか？



春に運転しました。 最近、私のパートナーは私なしで米国に旅行しました。 関心は非常に大きく、投資家とクライアントの両方と話し合いました。 私たちはそれらのいくつかと良好な関係を保っており、私たちは働き、SDKを送りました。



開発者とやり取りできましたか？ 仕事に招待する人？



いや しかし、我々は現在ロシアですべての発展を遂げており、これには多くの利点があります。特に経済的な利点があります。 バレーに、そしてしばらくしてヨーロッパにオフィスを開設します。