蔡茂貞，丁小波，黃珊珊，鐘地秀，彭 琨

（中移互聯(lián)網(wǎng)有限公司云產(chǎn)品事業(yè)部，廣州 510000）

0 引言

人工智能是研究計算機來模擬人的某些思維過程和智能行為（如學(xué)習(xí)、推理、思考、規(guī)劃等）的學(xué)科，結(jié)合人類的思考方式對思維進行量化，利用人類的分析方式將過程進行數(shù)字化。最終利用數(shù)據(jù)與數(shù)學(xué)邏輯形成類人腦的推斷智能應(yīng)用。人工智能的技術(shù)領(lǐng)域包括了計算機視覺、自然語言處理、模式識別、數(shù)據(jù)挖掘、推薦系統(tǒng)、知識圖譜等。隨著數(shù)據(jù)爆發(fā)性增長與算力指數(shù)型增強，人工智能突破領(lǐng)域應(yīng)用的瓶頸，使得人工智能技術(shù)能夠處理更切合實際的應(yīng)用問題。全球科技正朝著數(shù)字化、信息化、智能化方向迅速發(fā)展，各行各業(yè)均將人工智能作為一項能力引入到各自的領(lǐng)域，并對現(xiàn)有服務(wù)能力和業(yè)務(wù)應(yīng)用進行革新。

1 網(wǎng)盤業(yè)務(wù)的介紹

2016 年，115 網(wǎng)盤、新浪微盤、迅雷快盤、騰訊微云、華為網(wǎng)盤、360網(wǎng)盤經(jīng)歷一輪業(yè)務(wù)調(diào)整潮。大浪淘沙，如今從事網(wǎng)盤業(yè)務(wù)的企業(yè)已經(jīng)歷了曾經(jīng)的發(fā)展瓶頸，各自對企業(yè)長效性合規(guī)發(fā)展進行了調(diào)整，從事網(wǎng)盤業(yè)務(wù)的企業(yè)趨于穩(wěn)定，近幾年僅有阿里云盤、迅雷云盤等新玩家的入局網(wǎng)盤應(yīng)用市場。長久、可靠、安全不再是用戶考慮核心焦點。

5G 時代網(wǎng)絡(luò)，增強型移動寬帶、可靠低時延通信和海量機器類通信均得到大面積應(yīng)用。可靠網(wǎng)絡(luò)的保障給云服務(wù)應(yīng)用落地提供了豐富的應(yīng)用場景和能力。更多的企業(yè)、個人融入到數(shù)字化、智能化之中，將云端作為自己的工作臺。與此同時，用戶對數(shù)據(jù)傳輸、存儲和共享的需求呈爆發(fā)性增長。網(wǎng)盤在個人、企業(yè)、家庭中的應(yīng)用日益得到長足發(fā)展。在產(chǎn)品功能方面，市場競爭從最基礎(chǔ)的存儲、傳輸功能向智能化方向演變，需滿足多場景應(yīng)用需求。

圖1 個人網(wǎng)盤品牌認知度

網(wǎng)盤業(yè)務(wù)是一種重資產(chǎn)業(yè)務(wù)，高運營成本和低付費轉(zhuǎn)化率一直以來制約著個人云盤市場的可持續(xù)發(fā)展，網(wǎng)盤應(yīng)用提供商很難從個人云盤產(chǎn)生長期有效的盈利。近年視頻網(wǎng)站、流媒體、數(shù)字音樂、知識付費等產(chǎn)品逐漸培養(yǎng)了用戶使用習(xí)慣，為虛擬產(chǎn)品付費的習(xí)慣以及付費享有更優(yōu)質(zhì)服務(wù)的理念正在逐漸為用戶所接受。為網(wǎng)盤應(yīng)用開發(fā)增值類服務(wù)逐漸成為提高產(chǎn)品影響力的一種重要手段。如何提高用戶使用頻次，成為網(wǎng)盤類應(yīng)用需要考慮的應(yīng)用點。

2 網(wǎng)盤業(yè)務(wù)應(yīng)用場景分析

網(wǎng)盤類應(yīng)用雖作為用戶存儲類，隨著用戶存儲資產(chǎn)的增加，幫助用戶高效管理的數(shù)字資產(chǎn)能有效地提升用戶體驗滿意度?；谡Z音、視頻、圖像識別與分析等人工智能技術(shù)的應(yīng)用能為用戶個人網(wǎng)盤在內(nèi)容智能分類、內(nèi)容檢索和內(nèi)容創(chuàng)作上為用戶帶來更加智能、便利和高效的服務(wù)。在保證資產(chǎn)安全和用戶授權(quán)的基礎(chǔ)上，利用人工智能技術(shù)的個人云盤將可以采用更加智能化的方式幫助用戶提高數(shù)據(jù)管理的效率，進一步優(yōu)化用戶使用體驗。

用戶體驗提升可以從實用性和娛樂性兩個大方向進行引入人工智能技術(shù)。人工智能技術(shù)應(yīng)用以圖像處理算法為核心、視頻處理算法和自然語言算法共同協(xié)作打造面向圖片、視頻、情景的互動能力。在實用功能方面，通過提供人臉聚類、事物分類、文本處理等業(yè)務(wù)能力，讓用戶可以便捷地根據(jù)媒體內(nèi)容進行查看和管理。在娛樂功能方面，引入人物卡通化、背景替換等娛樂場景，讓用戶對照片和視頻等媒體進行二次創(chuàng)作，從而提升網(wǎng)盤的傳播性，引入新流量。

3 應(yīng)用人工智能規(guī)范的設(shè)計

語音、視頻、圖像等多種AI 能力均可作為網(wǎng)盤業(yè)務(wù)應(yīng)用場景，其中圖像應(yīng)用的AI 能力又可分為圖像分類、物體檢測、圖像分割、人臉識別、人臉檢測。在實際人工智能應(yīng)用中，模型在初始時并不具有對具體任務(wù)有效的參數(shù)，因此對于特定任務(wù)，需要通過模型訓(xùn)練來尋找一組合適的參數(shù)，從而反饋給模型的使用者一個有效的預(yù)測值。本章節(jié)據(jù)此設(shè)計了AI 模型從研發(fā)到應(yīng)用的整體框架，然后分別介紹AI 模型訓(xùn)練規(guī)范和模型測試規(guī)范的具體設(shè)計。

3.1 模型訓(xùn)練規(guī)范的設(shè)計

神經(jīng)網(wǎng)絡(luò)模型是擁有特定結(jié)構(gòu)和一系列權(quán)重參數(shù)的函數(shù)。模型訓(xùn)練是指利用大量已標(biāo)記數(shù)據(jù)，通過反向傳播反復(fù)更新模型中的權(quán)重，直到模型能夠?qū)斎霐?shù)據(jù)輸出一個合適的預(yù)測值，通過這個預(yù)測值來確定輸入數(shù)據(jù)隱含的標(biāo)簽信息。

AI 模型訓(xùn)練中不同任務(wù)不同需求會有不同的訓(xùn)練配合和數(shù)據(jù)。模型訓(xùn)練計劃階段需定義任務(wù)類型、數(shù)據(jù)集、模型配置與模型輸出。根據(jù)具體任務(wù)設(shè)計指定AI 任務(wù)類型，如可劃分為語音、視頻、圖像等大類任務(wù)；再根據(jù)大類任務(wù)劃分小類任務(wù)，如圖像分類、物體檢測、圖像分割、人臉識別、人臉檢測等任務(wù)。其次需要基于定義好的任務(wù)類型準(zhǔn)備圖片。將圖片劃分為訓(xùn)練集、驗證集和測試集，然后進行數(shù)據(jù)人工標(biāo)注。最后進行模型參數(shù)配置完成AI 模型訓(xùn)練。

圖2 模型訓(xùn)練流程規(guī)范

3.1.1 任務(wù)定義

根據(jù)網(wǎng)盤人工智能引入的圖像類應(yīng)用場景，可將任務(wù)分成以下大類。

（1）分類任務(wù)。識別一張圖是否是某類物體/狀態(tài)/場景，適用于圖片內(nèi)容單一、需要給整張圖片分類的場景。如果要識別的主體在圖片中占比較大且為單一主體，則可將任務(wù)設(shè)定成分類任務(wù)。

（2）檢測任務(wù)。檢測圖中每個物體的位置、名稱。適合圖中有多個主體要識別、或要識別主體位置及數(shù)量的場景。如果識別的主體在圖片中占比較小，且實際環(huán)境很復(fù)雜無法覆蓋全部的場景，建議用物體檢測的模型來解決問題。

（3）分割任務(wù)。對比物體檢測，支持用多邊形標(biāo)注訓(xùn)練數(shù)據(jù)。適合圖中有多個主體、需識別其位置或輪廓的場景。如果需要對目標(biāo)物體進行精確定位或分割出來，則將任務(wù)設(shè)定成圖像分割任務(wù)。

3.1.2 數(shù)據(jù)集規(guī)范

在分類任務(wù)中，每個分類需要準(zhǔn)備20 張以上圖片；如果想要較好的效果，建議每個分類準(zhǔn)備不少于1000 張圖片，涵蓋各種角度情形。每個分類的圖片需要覆蓋實際場景里面的可能性，如拍照角度、光線明暗的變化，訓(xùn)練集覆蓋的場景越多，模型的泛化能力越強。訓(xùn)練圖片和實際場景要識別的圖片拍攝環(huán)境接近，例如：如果實際要識別的圖片是攝像頭俯拍的，那訓(xùn)練圖片就不能用網(wǎng)上下載的目標(biāo)正面圖片。

建議圖片類型為png、jpg、bmp、jpeg，圖片大小限制在4M 以內(nèi)；圖片長寬比在3:1 以內(nèi)，其中最長邊小于4096px，最短邊大于30px。

AI 模型在訓(xùn)練時，每訓(xùn)練一批數(shù)據(jù)會進行模型效果檢驗，以一批驗證圖片作為驗證數(shù)據(jù)，通過驗證結(jié)果反饋去調(diào)節(jié)訓(xùn)練。驗證集的標(biāo)簽應(yīng)與訓(xùn)練集完全一致，驗證集圖片不應(yīng)與訓(xùn)練集圖片重疊。

AI 模型的效果測試不能使用訓(xùn)練數(shù)據(jù)、驗證數(shù)據(jù)進行測試，應(yīng)使用訓(xùn)練數(shù)據(jù)集、驗證數(shù)據(jù)集外的數(shù)據(jù)測試，這樣才能真實地反映模型效果。測試集的標(biāo)簽是訓(xùn)練集的全集或者子集即可。

3.1.3 模型配置

任務(wù)類型決定了網(wǎng)絡(luò)結(jié)構(gòu)的選擇。根據(jù)任務(wù)定義進行模型類型、網(wǎng)絡(luò)結(jié)構(gòu)、數(shù)據(jù)迭代器、損失函數(shù)、優(yōu)化器的配置和選擇。

（1）確認模型類型。根據(jù)任務(wù)類型決定使用的網(wǎng)絡(luò)結(jié)構(gòu)。主要分為分類網(wǎng)絡(luò)、檢測網(wǎng)絡(luò)、分割網(wǎng)絡(luò)三類。

（2）確認模型量級。根據(jù)應(yīng)用場景對處理速度、準(zhǔn)確率的要求進行模型大小和模型運算量的估算，再進行網(wǎng)絡(luò)結(jié)構(gòu)選型。據(jù)此，確認主干結(jié)構(gòu)、確認頭部結(jié)構(gòu)、輸入輸出數(shù)據(jù)結(jié)構(gòu)。

（3）確認算子支持。對于已知輸出平臺的模型，盡量選用平臺支持、優(yōu)化的算子進行結(jié)構(gòu)設(shè)計。

（4）數(shù)據(jù)迭代器設(shè)計。通過色域轉(zhuǎn)換對特定通道進行隨機增強，如對亮度、飽和度、色調(diào)進行隨機擾動。根據(jù)實際使用場景、目標(biāo)大小和數(shù)據(jù)集特點，進行匹配實際場景的增強，如對于希望小目標(biāo)檢出的模型對數(shù)據(jù)進行馬賽克擴增。

（5）損失函數(shù)的設(shè)計。同樣根據(jù)任務(wù)類型決定損失函數(shù)，這樣能提升模型訓(xùn)練效果。分類任務(wù)常見損失使用softmax 交叉熵損失函數(shù)；檢測任務(wù)常見損失使用IOU 損失、二分類交叉熵損失函數(shù)。分割任務(wù)常見損失使用交叉熵損失函數(shù)。在具體任務(wù)具體需求實踐過程中，需對上述損失函數(shù)進行適應(yīng)性改進。

（6）優(yōu)化器設(shè)計。根據(jù)任務(wù)訓(xùn)練難度選擇不同的學(xué)習(xí)率衰減策略和優(yōu)化器。常用學(xué)習(xí)率衰減策略如指數(shù)衰減、固定步長的衰減、多步長衰減、余弦退火衰減等。常用優(yōu)化器如Adam、SGD 等，Adam 可以幫助模型快速收斂，但在部分場景下可能會錯過最佳優(yōu)化點；SGD 收斂較慢，需要人工調(diào)參，但在某些情況下可以達到比Adam更好的精度。

3.2 模型測試規(guī)范的設(shè)計

模型測試是指將符合模型使用場景并具有真實標(biāo)簽的數(shù)據(jù)輸入模型，將模型的預(yù)測標(biāo)簽與真實標(biāo)簽進行對比并計算出指標(biāo)值，通過這些指標(biāo)值評估或?qū)Ρ饶Ｐ驮谡鎸嵤褂脠鼍皶r的表現(xiàn)是否能夠滿足預(yù)期，即輸出值是否能夠滿足人們在實際場景使用模型的需求。根據(jù)不同的模型類型需要制定不同的模型測試方式、模型測試規(guī)范、測試使用指標(biāo)。

圖3 模型測試流程規(guī)范

在模型測試時往往需要與一個已知使用效果的基準(zhǔn)模型進行對比，我們期望的新模型是需要優(yōu)于之前的基準(zhǔn)模型。即在整體指標(biāo)相當(dāng)?shù)那闆r下，某些關(guān)鍵指標(biāo)優(yōu)于基準(zhǔn)模型，從而實現(xiàn)對基準(zhǔn)模型的替換，并將新模型設(shè)定成新的基準(zhǔn)模型。

3.2.1 測試方式定義

任務(wù)類型決定了測試方式。根據(jù)任務(wù)定義進行模型測試方式的選取。

（1）分類任務(wù)。將測試數(shù)據(jù)按模型輸入進行預(yù)處理，將模型的返回結(jié)果映射成類別標(biāo)簽，將類別標(biāo)簽與真實標(biāo)簽比較進行測試指標(biāo)計算、統(tǒng)計。

（2）檢測任務(wù)。將測試數(shù)據(jù)按模型輸入進行預(yù)處理，將模型返回結(jié)果進行解析，將解析出的結(jié)果映射到原圖形成真實的檢出框位置、置信度和類別，根據(jù)這些信息與真實標(biāo)注比較進行測試指標(biāo)計算、統(tǒng)計。

（3）分割任務(wù)。將測試數(shù)據(jù)按模型輸入進行預(yù)處理，將模型返回結(jié)果進行解析，得到目標(biāo)物體的類別和掩碼，將物體類別和掩碼與真實標(biāo)注比較進行指標(biāo)的計算、統(tǒng)計。

3.2.2 測試規(guī)范設(shè)計

在實際驗證模型效果的過程中，建議每個分類需要準(zhǔn)備20 張以上；一般建議每個類別準(zhǔn)備100張左右測試圖片。圖片格式參考訓(xùn)練圖像數(shù)據(jù)格式，且需與實際場景相近，能覆蓋實際場景里面的可能性，如拍照角度、光線明暗的變化。分類任務(wù)中，需要標(biāo)注圖片的類別；檢測任務(wù)，需要標(biāo)注圖中存在所有待檢測目標(biāo)的位置及類別；分割任務(wù)，需要標(biāo)注所需分割目標(biāo)的邊緣及類別。

3.2.3 測試指標(biāo)設(shè)計

根據(jù)模型類型，在標(biāo)注好的測試集上對需要的測試指標(biāo)進行統(tǒng)計。具體的評估指標(biāo)有如下幾類：

（1）準(zhǔn)確率（accuracy）。預(yù)測正確的樣本數(shù)量占總量的百分比。測試樣本不均衡時，這個指標(biāo)不能評價模型的性能優(yōu)劣，需結(jié)合其他指標(biāo)一起使用。

（2）精準(zhǔn)率（precision）。針對預(yù)測結(jié)果而言的一個評價指標(biāo)。在模型預(yù)測為正樣本的結(jié)果中，真正是正樣本所占的百分比。

（3）召回率（recall）。針對原始樣本而言的一個評價指標(biāo)。在實際為正樣本中，被預(yù)測為正樣本所占的百分比。

（4）PR 曲線。主要描述精確率和召回率變化的曲線，用于比較不同模型在各閾值下的整體性能優(yōu)劣。通過置信度對所有樣本進行排序，再逐個樣本的選擇閾值，在該樣本之前的都屬于正例，該樣本之后的都屬于負例。每一個樣本作為劃分閾值時，都可以計算對應(yīng)的precision和recall，以此繪制曲線。

（5）ROC 和AUC。ROC（receiver operating characteristic）曲線，又稱接受者操作特征曲線。曲線對應(yīng)的縱坐標(biāo)是TPR，橫坐標(biāo)是FPR。其中，TPR 含義是檢測出來的真陽性樣本數(shù)除以所有真實陽性樣本數(shù)，F(xiàn)PR 含義是檢測出來的假陽性樣本數(shù)除以所有真實陰性樣本數(shù)。AUC（area under curve）是處于ROC 曲線下方的那部分面積的大小。AUC 越大，代表模型的性能越好。可以用于比較人臉識別模型性能的優(yōu)劣。

（6）類別平均精準(zhǔn)度（mean average precision，mAP）。一般在目標(biāo)檢測中結(jié)合IOU 使用。多個IOU 閾值在每一個IOU 閾值下都有某一類別的AP值，然后求不同IOU閾值下的AP平均，就是所求的最終的某類別的AP 值。所有類的AP 值平均值就是mAP。mAP 一般用于需要精確檢測框的檢測模型評價指標(biāo)。

4 結(jié)語

本文基于個人網(wǎng)盤業(yè)務(wù)長期發(fā)展趨勢，結(jié)合人工智能技術(shù)分析了可行性的業(yè)務(wù)結(jié)合應(yīng)用場景。針對多種多樣的應(yīng)用場景，本文提出了人工智能在個人網(wǎng)盤應(yīng)用的模型訓(xùn)練與模型測試規(guī)范。該設(shè)計規(guī)范方案涵蓋多種人工智能技術(shù)應(yīng)用場景，為研究落地，技術(shù)功能實現(xiàn)提供了一套行之有效的模型訓(xùn)練、測試的設(shè)計方案。這對后續(xù)能力與業(yè)務(wù)結(jié)合的建設(shè)開發(fā)工作具有指導(dǎo)價值與參考意義。