李彥弘迴想了一下，在當時交流麵談的過程中，自己其實是主動權基本喪失的。
因為起初他的核心計劃其實是招募人才和打探drea的技術細節。
而孟繁岐一上車，就很痛快地把drea論文給了自己一版。
這件事情直接打亂了他的節奏，之後的每一步，又都在加劇這個過程。
搬出和阿裏克斯以及辛頓的交流細節婉拒招聘，聊到ai模型的路線問題，引誘自己提出技術合作。
然後突然猛地就掏出一個如此驚世駭俗的算法，仿佛此行本來根本沒打算提一樣。
“仔細迴想一下，怎麽感覺有點像是魔術的手法。先轉移你的注意力，隱藏自己的真實意圖。然後再趁其不備，出擊騙到你。”
在餘愷為首的幾位技術人員強烈的質疑聲之下，李彥弘不由得不產生這樣的想法。
畢竟當時孟繁岐給出的隻有一些實驗結果，沒有任何其他的情報。
如果情況真的如餘愷所說，性能的提升來自於drea技術的下遊應用，而檢測速度實際上未能提升的話，其實也算是很大的突破了。
隻能沒有到值得他這個公司ceo直接介入的地步罷了。
不過“仿佛此行本來根本沒打算提一樣”這種感覺確實算不上冤枉孟繁岐，他原本的確打算用這個算法直接和穀歌交涉。
但在李彥弘提出技術合作之後，孟繁岐略一思索，還是認為和白度先合作一次對自己來說非常有利。
首先，白度遠比穀歌缺ai技術，更有危機感。李彥弘也是親自出馬來和自己談，相同的技術，在白度能要到的價格更高。
其次，距離穀歌給自己意向書，才小幾個月的時間，自己就能夠和白度有這樣的創舉和技術合作的話。能夠極大地提升自己的議價權和談判空間。
要知道，大點的公司內部也是派係林立，資源這種東西都是要靠搶的。
自己沒點曆史成績，沒點外部的關係，人生地不熟的到了矽穀，真要是計算資源上緊缺，那多耽誤事。
當然了，最最重要的還是看上了華國政府資源這一塊。
檢測技術是現階段政府機構潛在用途最廣的ai技術，不僅數以億記的攝像頭可以用檢測算法智能標注監控的重點時段，還是安全性更上幾層樓的高精度實時人臉檢測，都是非常龐大的市場。
自己計劃明年初去矽穀，想搭上華國官方的線，還是需要借力白度這樣的大型互聯網公司。
此時的白度不像十年後已經顯出很大的頹勢，目前白度和企鵝阿狸位列三甲，還是具有很大價值的。
李彥弘所考慮的同樣是這點，他對華國官方的了解也遠比孟繁岐更深，對其中潛在的機會十分渴望。
既然想要拿下這個方向，疑人不用，用人不疑，李彥弘這點魄力還是有的。
當然了，最主要的還是現在合同都沒簽呢。
“說白了，你們也沒什麽可擔憂的，我們驗收結果通過才會簽訂合同呢，到時候也是你們自己去審閱代碼，複現結果。信不過別人你們還信不過自己嗎？”
李彥弘很快調整好了自己的心態，“我們直接持有這樣質疑的態度，是非常不可取的。一會人來了之後，我們還是要調整一下，注意方式方法。”
另一邊，對這邊內幕一無所知的孟繁岐，正準備前往白度的燕京總部。
作為重生人士的他，終究還是高估了現有的檢測技術。
第一個真正意義上將深度學習技術應用到目標檢測上的，應當是這個月剛剛提出來的rn，也就是區域檢測神經網絡。
在傳統算法map值止步於30-40，不再繼續提升的情況下，rn基於神經網絡，一舉突破了60的map值。
它的r指得便是區域，檢測任務說白了，就是指出物體在圖片中的位置/區域。
而即便在14-15年，rn係列作為領先的高性能算法，他的推理時間也是奇慢無比的。
采用14年牛津大學的vgg網絡作為結構的骨幹，需要整整幾十秒才能處理一張圖像。也就沒有了任何實時的可能，隻做學術研究之用，難以投入業界。
即便是一兩年後，屢次更新，升級迭代的快速版本fastrn係列，也隻有0.5和個位數的fps。
而孟繁岐給出的算法：yolo。即便在448x448大小的圖像上，速度也超過了80fps。
如果采用最小的模型版本進行推理，速度甚至可以達到驚人的200幀。
多少人直到十年後，玩遊戲的時候顯示器都顯示不了100幀？
原本的初版yolo技術其實在精確程度上還有所不足，畢竟，作為專注於速度的檢測技術，在性能上有所犧牲也是在所難免。
但孟繁岐開始接觸yolo技術的時候，都已經出到v4了，等到2023年的時候，甚至都已經到了v7，v8。
很多細節上的問題，孟繁岐就是想犯錯都不知道該怎麽犯。
最開始記得的就是優化之後的技術。
此時此刻，比較常用的檢測技術是dpm，30fps性能26.1map，100fps性能僅為16.0map。
而這個月剛剛出來的rn技術，性能雖然有一個質的突破，來到了50-60，但fps已經到小數點後幾位去了，根本用不了。
孟繁岐交出的結果則是，69.5map，82fps，58.3map，200fps。
這已經不能說是普通的超越了，簡直是完爆中的完爆。
不過除了在這方麵有所疏忽之外，孟繁岐實際上還是在有意識地想要做高這個性能。
縱觀自己掌握的所有ai技術，唯有檢測是現在階段變現最快的。
這個功能直接粗暴好理解，易於展示。
隻需要接上攝像頭，給觀眾們實時地演示，這項ai技術可以流暢絲滑地檢測出屏幕中的桌椅，人物，動植物等常見物體，就能夠給觀眾最為直接的震撼。
像圖像生成，語言對話等技術，還需要一定的時間，海量的數據和計算資源來支撐，自己才能夠實現這些技術。
而在實際的應用前景上，檢測技術不僅是現階段最容易落地的技術，它的未來前景也非常遼闊。
兩三年後搞自動駕駛的企業那是不計其數，如過江之鯽，數不勝數。
在檢測上盡力做出誇張的突破，很有助於此後自己在這個方向上的曆史地位，說白了其實就是更容易忽悠到錢。
隻是他第一次把握刀法，經驗不足，沒有切好。不慎導致比較專業的人士對此有所誤會。
因為起初他的核心計劃其實是招募人才和打探drea的技術細節。
而孟繁岐一上車，就很痛快地把drea論文給了自己一版。
這件事情直接打亂了他的節奏，之後的每一步，又都在加劇這個過程。
搬出和阿裏克斯以及辛頓的交流細節婉拒招聘，聊到ai模型的路線問題，引誘自己提出技術合作。
然後突然猛地就掏出一個如此驚世駭俗的算法，仿佛此行本來根本沒打算提一樣。
“仔細迴想一下，怎麽感覺有點像是魔術的手法。先轉移你的注意力，隱藏自己的真實意圖。然後再趁其不備，出擊騙到你。”
在餘愷為首的幾位技術人員強烈的質疑聲之下，李彥弘不由得不產生這樣的想法。
畢竟當時孟繁岐給出的隻有一些實驗結果，沒有任何其他的情報。
如果情況真的如餘愷所說，性能的提升來自於drea技術的下遊應用，而檢測速度實際上未能提升的話，其實也算是很大的突破了。
隻能沒有到值得他這個公司ceo直接介入的地步罷了。
不過“仿佛此行本來根本沒打算提一樣”這種感覺確實算不上冤枉孟繁岐，他原本的確打算用這個算法直接和穀歌交涉。
但在李彥弘提出技術合作之後，孟繁岐略一思索，還是認為和白度先合作一次對自己來說非常有利。
首先，白度遠比穀歌缺ai技術，更有危機感。李彥弘也是親自出馬來和自己談，相同的技術，在白度能要到的價格更高。
其次，距離穀歌給自己意向書，才小幾個月的時間，自己就能夠和白度有這樣的創舉和技術合作的話。能夠極大地提升自己的議價權和談判空間。
要知道，大點的公司內部也是派係林立，資源這種東西都是要靠搶的。
自己沒點曆史成績，沒點外部的關係，人生地不熟的到了矽穀，真要是計算資源上緊缺，那多耽誤事。
當然了，最最重要的還是看上了華國政府資源這一塊。
檢測技術是現階段政府機構潛在用途最廣的ai技術，不僅數以億記的攝像頭可以用檢測算法智能標注監控的重點時段，還是安全性更上幾層樓的高精度實時人臉檢測，都是非常龐大的市場。
自己計劃明年初去矽穀，想搭上華國官方的線，還是需要借力白度這樣的大型互聯網公司。
此時的白度不像十年後已經顯出很大的頹勢，目前白度和企鵝阿狸位列三甲，還是具有很大價值的。
李彥弘所考慮的同樣是這點，他對華國官方的了解也遠比孟繁岐更深，對其中潛在的機會十分渴望。
既然想要拿下這個方向，疑人不用，用人不疑，李彥弘這點魄力還是有的。
當然了，最主要的還是現在合同都沒簽呢。
“說白了，你們也沒什麽可擔憂的，我們驗收結果通過才會簽訂合同呢，到時候也是你們自己去審閱代碼，複現結果。信不過別人你們還信不過自己嗎？”
李彥弘很快調整好了自己的心態，“我們直接持有這樣質疑的態度，是非常不可取的。一會人來了之後，我們還是要調整一下，注意方式方法。”
另一邊，對這邊內幕一無所知的孟繁岐，正準備前往白度的燕京總部。
作為重生人士的他，終究還是高估了現有的檢測技術。
第一個真正意義上將深度學習技術應用到目標檢測上的，應當是這個月剛剛提出來的rn，也就是區域檢測神經網絡。
在傳統算法map值止步於30-40，不再繼續提升的情況下，rn基於神經網絡，一舉突破了60的map值。
它的r指得便是區域，檢測任務說白了，就是指出物體在圖片中的位置/區域。
而即便在14-15年，rn係列作為領先的高性能算法，他的推理時間也是奇慢無比的。
采用14年牛津大學的vgg網絡作為結構的骨幹，需要整整幾十秒才能處理一張圖像。也就沒有了任何實時的可能，隻做學術研究之用，難以投入業界。
即便是一兩年後，屢次更新，升級迭代的快速版本fastrn係列，也隻有0.5和個位數的fps。
而孟繁岐給出的算法：yolo。即便在448x448大小的圖像上，速度也超過了80fps。
如果采用最小的模型版本進行推理，速度甚至可以達到驚人的200幀。
多少人直到十年後，玩遊戲的時候顯示器都顯示不了100幀？
原本的初版yolo技術其實在精確程度上還有所不足，畢竟，作為專注於速度的檢測技術，在性能上有所犧牲也是在所難免。
但孟繁岐開始接觸yolo技術的時候，都已經出到v4了，等到2023年的時候，甚至都已經到了v7，v8。
很多細節上的問題，孟繁岐就是想犯錯都不知道該怎麽犯。
最開始記得的就是優化之後的技術。
此時此刻，比較常用的檢測技術是dpm，30fps性能26.1map，100fps性能僅為16.0map。
而這個月剛剛出來的rn技術，性能雖然有一個質的突破，來到了50-60，但fps已經到小數點後幾位去了，根本用不了。
孟繁岐交出的結果則是，69.5map，82fps，58.3map，200fps。
這已經不能說是普通的超越了，簡直是完爆中的完爆。
不過除了在這方麵有所疏忽之外，孟繁岐實際上還是在有意識地想要做高這個性能。
縱觀自己掌握的所有ai技術，唯有檢測是現在階段變現最快的。
這個功能直接粗暴好理解，易於展示。
隻需要接上攝像頭，給觀眾們實時地演示，這項ai技術可以流暢絲滑地檢測出屏幕中的桌椅，人物，動植物等常見物體，就能夠給觀眾最為直接的震撼。
像圖像生成，語言對話等技術，還需要一定的時間，海量的數據和計算資源來支撐，自己才能夠實現這些技術。
而在實際的應用前景上，檢測技術不僅是現階段最容易落地的技術，它的未來前景也非常遼闊。
兩三年後搞自動駕駛的企業那是不計其數，如過江之鯽，數不勝數。
在檢測上盡力做出誇張的突破，很有助於此後自己在這個方向上的曆史地位，說白了其實就是更容易忽悠到錢。
隻是他第一次把握刀法，經驗不足，沒有切好。不慎導致比較專業的人士對此有所誤會。