第50章 You Only Look Once: YOLO（1 / 1）

李彦弘回想了一下，在当时交流面谈的过程中，自己其实是主动权基本丧失的。 因为起初他的核心计划其实是招募人才和打探dreamnet的技术细节。 而孟繁岐一上车，就很痛快地把dreamnet论文给了自己一版。 这件事情直接打乱了他的节奏，之后的每一步，又都在加剧这个过程。 搬出和阿里克斯以及辛顿的交流细节婉拒招聘，聊到ai模型的路线问题，引诱自己提出技术合作。 然后突然猛地就掏出一个如此惊世骇俗的算法，仿佛此行本来根本没打算提一样。 “仔细回想一下，怎么感觉有点像是魔术的手法。先转移你的注意力，隐藏自己的真实意图。然后再趁其不备，出击骗到你。” 在余恺为首的几位技术人员强烈的质疑声之下，李彦弘不由得不产生这样的想法。 毕竟当时孟繁岐给出的只有一些实验结果，没有任何其他的情报。 如果情况真的如余恺所说，性能的提升来自于dreamnet技术的下游应用，而检测速度实际上未能提升的话，其实也算是很大的突破了。 只能没有到值得他这个公司ceo直接介入的地步罢了。 不过“仿佛此行本来根本没打算提一样”这种感觉确实算不上冤枉孟繁岐，他原本的确打算用这个算法直接和谷歌交涉。 但在李彦弘提出技术合作之后，孟繁岐略一思索，还是认为和白度先合作一次对自己来说非常有利。 首先，白度远比谷歌缺ai技术，更有危机感。李彦弘也是亲自出马来和自己谈，相同的技术，在白度能要到的价格更高。 其次，距离谷歌给自己意向书，才小几个月的时间，自己就能够和白度有这样的创举和技术合作的话。能够极大地提升自己的议价权和谈判空间。 要知道，大点的公司内部也是派系林立，资源这种东西都是要靠抢的。 自己没点历史成绩，没点外部的关系，人生地不熟的到了硅谷，真要是计算资源上紧缺，那多耽误事。 当然了，最最重要的还是看上了华国政府资源这一块。 检测技术是现阶段政府机构潜在用途最广的ai技术，不仅数以亿记的摄像头可以用检测算法智能标注监控的重点时段，还是安全性更上几层楼的高精度实时人脸检测，都是非常庞大的市场。 自己计划明年初去硅谷，想搭上华国官方的线，还是需要借力白度这样的大型互联网公司。 此时的白度不像十年后已经显出很大的颓势，目前白度和企鹅阿狸位列三甲，还是具有很大价值的。 李彦弘所考虑的同样是这点，他对华国官方的了解也远比孟繁岐更深，对其中潜在的机会十分渴望。 既然想要拿下这个方向，疑人不用，用人不疑，李彦弘这点魄力还是有的。 当然了，最主要的还是现在合同都没签呢。 “说白了，你们也没什么可担忧的，我们验收结果通过才会签订合同呢，到时候也是你们自己去审阅代码，复现结果。信不过别人你们还信不过自己吗？” 李彦弘很快调整好了自己的心态，“我们直接持有这样质疑的态度，是非常不可取的。一会人来了之后，我们还是要调整一下，注意方式方法。” 另一边，对这边内幕一无所知的孟繁岐，正准备前往白度的燕京总部。 作为重生人士的他，终究还是高估了现有的检测技术。 第一个真正意义上将深度学习技术应用到目标检测上的，应当是这个月刚刚提出来的r-cnn，也就是区域检测神经网络。 在传统算法map值止步于30-40，不再继续提升的情况下，r-cnn基于神经网络，一举突破了60的map值。 它的r指得便是区域，检测任务说白了，就是指出物体在图片中的位置/区域。 而即便在14-15年，r-cnn系列作为领先的高性能算法，他的推理时间也是奇慢无比的。 采用14年牛津大学的vgg网络作为结构的骨干，需要整整几十秒才能处理一张图像。也就没有了任何实时的可能，只做学术研究之用，难以投入业界。 即便是一两年后，屡次更新，升级迭代的快速版本fastr-cnn系列，也只有0.5和个位数的fps。 而孟繁岐给出的算法：yolo。即便在448x448大小的图像上，速度也超过了80fps。 如果采用最小的模型版本进行推理，速度甚至可以达到惊人的200帧。 多少人直到十年后，玩游戏的时候显示器都显示不了100帧？ 原本的初版yolo技术其实在精确程度上还有所不足，毕竟，作为专注于速度的检测技术，在性能上有所牺牲也是在所难免。 但孟繁岐开始接触yolo技术的时候，都已经出到v4了，等到2023年的时候，甚至都已经到了v7，v8。 很多细节上的问题，孟繁岐就是想犯错都不知道该怎么犯。 最开始记得的就是优化之后的技术。 此时此刻，比较常用的检测技术是dpm，30fps性能26.1map，100fps性能仅为16.0map。 而这个月刚刚出来的r-cnn技术，性能虽然有一个质的突破，来到了50-60，但fps已经到小数点后几位去了，根本用不了。 孟繁岐交出的结果则是，69.5map，82fps，58.3map，200fps。 这已经不能说是普通的超越了，简直是完爆中的完爆。 不过除了在这方面有所疏忽之外，孟繁岐实际上还是在有意识地想要做高这个性能。 纵观自己掌握的所有ai技术，唯有检测是现在阶段变现最快的。 这个功能直接粗暴好理解，易于展示。 只需要接上摄像头，给观众们实时地演示，这项ai技术可以流畅丝滑地检测出屏幕中的桌椅，人物，动植物等常见物体，就能够给观众最为直接的震撼。 像图像生成，语言对话等技术，还需要一定的时间，海量的数据和计算资源来支撑，自己才能够实现这些技术。 而在实际的应用前景上，检测技术不仅是现阶段最容易落地的技术，它的未来前景也非常辽阔。 两三年后搞自动驾驶的企业那是不计其数，如过江之鲫，数不胜数。 在检测上尽力做出夸张的突破，很有助于此后自己在这个方向上的历史地位，说白了其实就是更容易忽悠到钱。 只是他第一次把握刀法，经验不足，没有切好。不慎导致比较专业的人士对此有所误会。