第50章 You Only Look Once: YOLO
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。</p>
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。</p>
而孟繁岐一上车，就很痛快地把DreamNet论文给了自己一版。</p>
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。</p>
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。</p>
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。</p>
“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。”</p>
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。</p>
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。</p>
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。</p>
只能没有到值得他这个公司CEO直接介入的地步罢了。</p>
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。</p>
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。</p>
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。</p>
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。</p>
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。</p>
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。</p>
当然了，最最重要的还是看上了华国政府资源这一块。</p>
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。</p>
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。</p>
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。</p>
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。</p>
既然想要拿下这個方向，疑人不用，用人不疑，李彦弘这点魄力还是有的。</p>
当然了，最主要的还是现在合同都没签呢。</p>
“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？”</p>
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。”</p>
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。</p>try{ggauto();} catch(ex){}
作为重生人士的他，终究还是高估了现有的检测技术。</p>
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。</p>
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。</p>
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。</p>
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。</p>
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。</p>
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。</p>
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。</p>
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。</p>
多少人直到十年后，玩游戏的时候显示器都显示不了100帧？</p>
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。</p>
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。</p>
很多细节上的问题，孟繁岐就是想犯错都不知道该怎么犯。</p>
最开始记得的就是优化之后的技术。</p>
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。</p>
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。</p>
孟繁岐交出的结果则是，69.5mAP，82FPS，58.3mAP，200FPS。</p>
这已经不能说是普通的超越了，简直是完爆中的完爆。</p>
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。</p>
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。</p>
这个功能直接粗暴好理解，易于展示。</p>
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。</p>
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。</p>
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。</p>
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。</p>
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。</p>
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。</p></div>
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。</p>
而孟繁岐一上车，就很痛快地把DreamNet论文给了自己一版。</p>
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。</p>
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。</p>
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。</p>
“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。”</p>
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。</p>
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。</p>
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。</p>
只能没有到值得他这个公司CEO直接介入的地步罢了。</p>
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。</p>
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。</p>
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。</p>
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。</p>
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。</p>
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。</p>
当然了，最最重要的还是看上了华国政府资源这一块。</p>
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。</p>
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。</p>
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。</p>
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。</p>
既然想要拿下这個方向，疑人不用，用人不疑，李彦弘这点魄力还是有的。</p>
当然了，最主要的还是现在合同都没签呢。</p>
“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？”</p>
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。”</p>
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。</p>try{ggauto();} catch(ex){}
作为重生人士的他，终究还是高估了现有的检测技术。</p>
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。</p>
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。</p>
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。</p>
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。</p>
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。</p>
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。</p>
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。</p>
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。</p>
多少人直到十年后，玩游戏的时候显示器都显示不了100帧？</p>
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。</p>
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。</p>
很多细节上的问题，孟繁岐就是想犯错都不知道该怎么犯。</p>
最开始记得的就是优化之后的技术。</p>
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。</p>
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。</p>
孟繁岐交出的结果则是，69.5mAP，82FPS，58.3mAP，200FPS。</p>
这已经不能说是普通的超越了，简直是完爆中的完爆。</p>
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。</p>
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。</p>
这个功能直接粗暴好理解，易于展示。</p>
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。</p>
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。</p>
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。</p>
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。</p>
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。</p>
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。</p></div>