机器学习“刚”了Google一把 还占了上风？

比谷歌的机器学习更胜一筹？这里有家公司Machine Box表示他们在使用Google的Vision API https://cloud.google.com/vision/对面部识别技术进行测试时，相比自家的产品https://machinebox.io/docs/facebox?utm_source=medium&utm_medium=post&utm_campaign=medium_wearebetterthangoogle之后居然发现准确率更高。

该公司在Docker容器中制作机器学习模型，这样任何可以写入API的开发人员都可以在他们的产品中实现机器学习，而不需要一定得是数学家或是博士才行。

这一切都是从一个实验开始的，看看Facebox在单个图像中可以检测到多少个面孔。搜索“人群”的照片，找到一些好的测试图像，出现这种情况：

所以该公司创建了一个Facebox的实例，并把它贴出来。在下载和分析图像几秒钟之后，Facebox以JSON响应，其顶部是具有检测到的面部总数的facesCount元素。

153，这个结果还不错。这里再次通过我们的开发人员控制台预览模式运行该图片，获得了一些值得的截图：

然后，该公司负责人想知道这是如何与其他云认知服务，特别是谷歌视觉，结合机器学习的新公告。于是访问了他们的页面，步骤是先张贴一张照片上去，看看会有什么结果。经过几秒钟的处理，得到了以下结果。

可以立刻从缩略图中看出，检测到的面部较少，但当沿着右侧的响应窗口向下滚动时，看到他们只能检测到50个面孔。在那张照片中他们错过了100多张脸。

Google Vision在他们的脸部识别产品中肯定有更多的功能，比如情绪检测、眉毛定位、头饰检测等等。但在Machine Box，仅仅是使Facebox能够很好地检测和识别脸部而已！其联合创始人表示，这样做是因为他们希望Facebox具有最高的质量，这意味着只有在技术水平足以返回准确结果的情况下才能实现功能。

这就是说，对于一些使用情况，他们用于机器学习的公共云API效果将会很好，因为他们有一个惊人的数据集来训练机器学习模型。而当准确性可能更重要的时候，Facebox也不失为一个好的选择。