想体验无人商店？去京东他们家直接刷脸！-InfoQ



 写点什么

2018 年 1 月，亚马逊在西雅图的无人超市对外营业，吸引北美媒体和市民众多眼球。不过他们不知道，2017 年 10 月，中国的在线零售巨头京东的无人商店和无人超市已经对外开放了。更有趣的是，在京东的无人商店和无人超市里，当你选好自己要买的东西之后，只需“刷脸”就能完成支付过程，钱包什么的，完全不用拿出来啦。

在购物的整个过程中，结算环节是重点，更是难点。顾客选择的商品，品类多种多样，包装彼此不同，如何保证在尽量短的时间之内确定商品的具体品类和价格？除了扫描条码之外，还有其他方法吗？

当然有，京东选择了更神奇的方法：选好商品后，你可以把它们挨个放在智能结算台上，其中有集成摄像头，借助京东这些年积累的实拍数据，利用图像识别技术完成结算，当你走出结算通道后，人脸识别、智能摄像头等技术就会自动完成付款啦。

京东大数据平台部负责人，京东副总裁翁志介绍，“顾客的方便，来自于京东长期以来在 AI 和大数据方向的技术积累，集成各种传感器的智能货架、智能结算台、智能价签、智能摄像头等多种智能技术，贡献良多。”

分析图像，提取特征，还得靠通用架构

京东公司成立二十年，在线商城已经运行了十四年。这么多年下来，京东积累了一个庞大的在售产品目录，产品图像多达数亿张。它们都保存在分布式大数据存储库 Apache HBase 中，用 Hadoop 框架加以处理。为了满足客户在各种场景下的不同需求，京东希望可以匹配、提取不同产品图像中的特征。比如，客户逛街时发现一款自己喜欢的咖啡杯，只要拍下来，京东就可以根据照片为客户找到满足他要求的咖啡杯。对于京东自己来说，还可以利用图像识别和匹配功能，与其他网站上的产品进行匹配，京东就可以调整自己的定价策略，强化自己的竞争力。此外，京东还对外提供公共云服务，类似功能还可以提供给公共云的客户，帮助他们开发符合自己需求的全新图像分析应用云平台。现在，在京东对外开放的技术能力中，“图片质量检测”和“以图搜图”功能已经可以对外提供给其他开发团队使用了。

京东的技术团队接下图像分析这个任务后，一开始，他们曾尝试使用图形处理单元（GPU）创建特征匹配应用，然而并不顺利，因为在扩展性上遇到很多问题，必须手工管理众多设备和系统，手工处理负载均衡和容错；而且在数据处理过程中还出现很多延迟，不足以支持生产环境需求。

后来，京东决定基于现有的服务器和通用处理器架构开展工作，而且取得了显著成效。他们的图像数据存储服务器基于英特尔至强处理器 E5 家族，技术团队使用 BigDL 深度学习库来部署 Caffe 模型，性能提升了 3.83 倍，这让京东将来可以更快捷地提供基于图片的全新服务。

在大数据分析领域，Apache Spark 项目已经成为事实上的标准。该项目起始于加州大学伯克利分校，几个创始人后来成立了 Databricks 公司，成立五年来，专门提供大数据分析服务。在分布式机器学习领域，他们也选择了 BigDL 项目，与本身的原生 Spark 技术集成，提升 Spark 在模型训练，预测和调优方面的表现。

京东在基于英特尔至强处理器 E5-2650 v4 的服务器上运行 BigDL，完成深度学习提取图片特征过程。Big DL 同时支持横向扩展，只要添加新的标准英特尔至强处理器服务器，就能够实现高效横向扩展，延展到数百乃至数千台服务器。京东使用了带有 1200 个逻辑内核的高度并行架构，大幅加快了从数据库中读取图像数据的流程，整体性能提高了 3.83 倍。性能的提升，也要归功于英特尔在核心算法层面的优化。BigDL 使用英特尔数学核心函数库 MKL 和并行计算技术，充分发挥了至强处理器的性能。

借助 BigDL 框架，京东还在自己已有的通用硬件上使用 Caffe、Torch 和 TensorFlow 等框架中的预训练模型，这让他们以更快的速度测试和推出新服务，同时无需投入专用硬件。也就是说，不需要购买、运行独立的 GPU 集群。京东可以重复使用现有的硬件资源，从而降低了总体拥有成本。结合 Apache Hadoop 和 Spark 框架来处理资源管理工作，未来能够更轻松地开发新应用，同时保持高效性能。