云與大數據助力智慧零售

□ 文/ 修平

大數據與云計算，正在改寫各行各業的格局，零售業是其中之一。經過一些企業的努力，“新零售”的概念正在落地，而且發展出視頻的大數據平臺。計算機視覺技術為零售業帶來全新的變革。

深度學習與進化計算

智慧零售也經常被稱為新零售，所謂“新”，其實也是因為利用了新興技術作為轉型基礎。悠絡客是最早將新零售概念落地的企業之一。悠絡客在智慧零售領域已經探索了快10年的時間。這10年時間里，悠絡客有三年只做研發，這對一個創業公司來說也非常痛苦的一件事情。三年研發沒有收入，而且技術難度是前所未有的。

悠絡客堅持做好一件事情，即，把基于攝像頭的計算機視覺技術賦能新零售。這兩年總共簽約了30萬門店數量，也算是取得了一些小成績。這一路能撐下來，除了一個打不死的小強精神，還有很多投資者的支持。所以，資本也起到了很大的作用。技術加上資本，才讓這項事業一直發展到現在。

當然，新零售離不開大的生態。華為云生態的支持下，悠絡客在這個行業也做了很多探索，實現了不少“第一”。比如第一個真正吃新零售螃蟹的，第一個把人臉技術用到門店的，第一個針對連鎖業態推出了整個連鎖的地域模式，第一個做到秒級的云端視頻基礎等等。悠絡客這幾年的發展就是如此。

大家都在談人工智能，而關注“進化計算”的人相對而言還不太多。進化計算不是我們發明出來的，國際上有很多公司已經在研究，這是人工智能之后的下一個時代。深度學習非常火，但是有一個致命的缺陷，深度學習只能用于特定的任務，深度學習是需要人工的，而這些問題基于進化計算都可以很好的解決。

這些年來，基于進化的發育模型，用基因調控網去解決在神經網絡中自動學習的能力，包括對神經網絡機理的研究和認識都是我們的成績。比如現在非常熱門的人臉識別，有一個特點：對尺寸、大小、角度要求非常高，所以你看我們去機場，說站著別動，給你拍一下照，做一個人臉識別。

再比如說數據處理。貴陽作為大數據中心，數據分析的關鍵是建模，現在越來越難了。比如說進化計算，我們首席科學家已經在芬蘭的國家電網、空中客車已經有一些應用案例，相信會有更多的人關注這些。

零售門店的大數據應用

現在人們越來越多地提到零售業中的大數據，那么，到底零售門店的數據有什么特點呢？

首先是門店的數據。現在的線下門店已經有2000萬TB的視頻數據，只不過原來數據都是信息孤島、本地化的，我想去用的話很難。未來，一它是需要云端化，二、需要結構化，因為原來是非結構化的視頻數據，那個數據用起來真的很累。當然智能化也是未來發展的趨勢，通過云端化之后，把數據在云端關聯起來，比如說人臉識別當中，我們講的有人臉庫、特征值數據、關聯數據、商品標簽數據和人臉標簽數據等等，都是基于視頻數據提取之后的結構化數據。

第二、人的數據。現在線下門店每天有20億人次的人流量大概有7000億的數據，這些數據如果用人臉識別技術去抓取，每天有7000億的數據，有非常了不起的數據，我們需要智能數據把它結構化。

第三、貨的數據，在門店我們通過店里的交易數據和商品數據，這些數據放在云端和其他的數據關聯起來，創造價值，也就是現在大家談的基于零售、人貨場的價值。

相關應用也在一些餐飲企業開著手進行了。餐飲業后廚的規范特別麻煩，大家對餐飲的管理真的很頭痛，也許可以通過行為分析把餐飲業的后廚通過關聯全部做起來。

2015年出現了無人零售，直到今天，應該說風口也到了。現在我們通常說的智慧零售，一般就包括無人零售，當然也不是絕對“無人”。盡管發展得不可能那么快，已經在慢慢減少我們的店面人員、管理人員。人工智能的發展前途無可估量。未來會是什么樣子？實在令人遐想。

精確的識別技術為智慧零售打下基礎

近日，悠絡客的人工智能研究院（ULUFace），在國際知名人臉識別數據庫MegaFace百萬級別人臉測試中(Challenge1/FaceScrub identification)，以97.4869%的成績取得全球公司第五的好成績。參加這項測試的還有來自微軟、復旦、蘇寧、騰訊優圖等公司。

目前世界知名的人臉識別技術驗證平臺有LFW和MegaFace，這兩者是人臉識別研究領域最重要的人臉圖像測評集合之一和目前最權威的、熱門的評價人臉識別性能指標之一。

LFW人臉圖像集合中有13000多張從網上搜集來的非約束環境下的人像照片，主要用于驗證給定兩張照片中的人是否為同一人（Face Verification）即1：1場景。由于場景較容易，人臉庫數量較少，準確率普遍達到99%以上，目前國內公司普遍采用這一人臉庫宣傳自己技術。

Megaface是一項百萬規模級別的面部識別算法測試基準，由美國華盛頓大學計算機科學與工程實驗室發布并維護。該測試資料集中包含69萬人的100萬張圖片，以海量人臉注冊情況下的辨識率為主要指標，難度較大，其中還包含同一個人名不同年齡跨度的照片，其中不乏讓人難以分辨的例子，例如下圖：

在MegaFace競賽中，各大公司普遍使用多模型和較高的算法層數，這樣雖然可以使準確率大幅提高，但是相比單模型的“一人投票決定制”，多模型的“少數服從多數”顯然要占用更大的計算資源，更別說動輒一兩百層的深度計算神經網絡。

注重實戰應用，一直是悠絡客的一大優點，擁有30萬+簽約門店，覆蓋各行各業，海量的到店人臉識別數據也幫助訓練出了悠絡客精準的實戰化算法。采用單模型，52層深度計算神經網絡，依然可以輕松沖擊到MegaFace榜單的第六名。而且整套算法更小巧，方便嵌入在攝像監控等終端內，幫助門店監控抓取到店客戶的人臉數據，形成更精準的顧客分析數據，做到讓技術走出實驗室。

目前，已有多家知名企業在自己的門店內使用基于悠絡客的人臉識別技術的顧客分析，VIP導購，精準客流等功能幫助提高門店管理運營效率。隨著悠絡客PaaS平臺業務的展開，相信在未來，可以有更多的企業用低成本享受到這一精準的人臉識別技術。

結束語

悠絡客在全球的相關技術以及細分領域，SaaS服務方面也有九年的累計經驗。除了與華為云生態的合作，悠絡客還會與更多的伙伴攜手，共創新零售市場。

未來悠絡客的平臺上將有一千萬的攝像頭數據。真正基于視頻的大數據時代，這些攝像頭在這一平臺上，形成一個大數據平臺。AI時代漸行漸近，以創新技術擁抱未來，讓我們攜手為這個時代創造價值。