Узнать с первого взгляда
Российские банкиры помогли молодым ученым из компании Visionlabs создать одну из лучших в мире систем автоматического распознавания лиц. Причем помогли вовсе не деньгами.
В фильмах и сериалах, посвященных недалекому будущему, часто встречается сюжет, когда полицейские выслеживают преступников с помощью уличных камер. Мощные суперкомпьютеры каждую секунду обрабатывают миллионы изображений, «надевая» на каждое лицо сетку из светящихся точек, многоугольников и совсем уж хитро переплетающихся линий. Расстояние между зрачками, форма губ и ушей, ширина скул – измеряется и проверяется буквально все, дабы коварному беглецу не помогли ни парик, ни черные очки с накладным носом. Все это выглядит очень эффектно… и безнадежно архаично.
Новое видение
«В голливудских фильмах показывают технологии каменного века! – смеется генеральный директор и один из основателей компании VisionLabs Александр Ханин. – Мы такие использовали года три назад. То есть в доисторическую, по меркам нашей индустрии, эпоху».
Платформа распознавания человеческих лиц Face Engine, созданная Ханиным с коллегами меньше года назад, уже успела прославиться. Решение от VisonLabs вошло в тройку лучших коммерческих систем мира по результатам тестов на независимой базе данных Университета Массачусетса, который де-факто вырабатывает технологические стандарты в этой области.
Небольшая компания, созданная в 2012 году только-только закончившим «Бауманку» Ханиным, а также специалистом по IT-технологиям Алексеем Нехаевым и директором по исследованиям французского Национального института исследований в области информатики и автоматики (INRIA) Иваном Лаптевым, на глазах превращается в солидную корпорацию. В прошлом году она вошла в топ-25 лучших стартапов мира по версии акселератора бизнес-проектов Intel Technology To Market Accelerator@UC Berkeley, стала одним из победителей акселератора ChallengeUp! и финалистом крупнейшего на территории России и Восточной Европы технологического акселератора GenerationS от РВК. А нынешним летом VisionLabs обзавелась инвестором в лице венчурного фонда Sistema_VC. Вероятность того, что вы столкнетесь с системой распознавания лиц от VisionLabs (или уже столкнулись), чрезвычайно велика. Только в России с ее помощью обрабатываются данные с более чем полумиллиона камер. А есть еще установки в США, Индонезии, Малайзии…
«Наша система лучшая в своем классе. И это вовсе не пустое бахвальство, – говорит Ханин. – Дело в том, что мы с коллегами в свое время приняли два очень удачных решения. Первое – отказаться от «криминалистической» методики распознавания. Второе – обратиться за помощью к отечественным банкирам. Только не затем, зачем вы подумали».
«Точка» на точках
Первые версии Face Engine были совершенно традиционными. Сказались тогдашние увлечения Ханина-студента. Отучившись на кафедре специальной робототехники, в 2011 году он получил диплом инженера-конструктора роботов и робототехнических систем. Сферой его интересов была разработка систем технического зрения. Системы, с которыми он работал, использовали лазерные дальномеры, а также тепловизионные и обычные видеокамеры. Как раз для последних Александр написал несколько удачных алгоритмов распознавания образов: «Но, честно говоря, продолжать работу с роботами специального назначения мне не хотелось. Я видел, что спрос на эти технологии идет в основном от силовых госструктур. Перспектива стать невыездным меня как-то не слишком прельщала».
Выход был очевиден – создавать продукты для заказчиков из обычной бизнес-среды. Но для кого именно? Система первого поколения уже прилично работала. Увидев результаты тестов и осознав перспективы, эксперты с ходу предложили Ханину и Нехаеву стать резидентами Сколково. Однако коммерческий продукт все никак не получался.
«В 2013 году мы представили лучший на тот момент алгоритм распознавания лиц. Показатель AUC под кривой ошибок достиг 0,93. Однако на этом все и застопорилось. Нас очень быстро подвинули, улучшив результат на тысячные доли. Потом кто-то еще на пару тысячных поднялся. Кроме того, мы увидели, что результаты работы в боевых условиях отличаются от чудесных тестов не в лучшую сторону. И мы решили, что нужно не участвовать в олимпийских тестах, а создавать реально работающее решение, – рассказывает Ханин. – Надо было что-то менять в принципе».