“这特么根本不可能啊..”余恺还是不能理解这个恐怖的速度提升,“你这里应该是使用了自己新提出的dreamnet吧?”
“是的,我提出的残差网络对性能的提升有非常大的帮助,这种帮助是具有普适性的。并不是只有分类任务,在检测分割还有其他类型的任务上,都有非常强力的性能提升。”
“但如果想要做到这个运行速度,你实际上也没法使用你论文中提到的,50层,100层吧?”
“那是当然,对于快速检测算法来说,没有必要使用过于深的网络结构。18层或者34层的版本就已经足以负担大多数需求了。”
“不对,这不可能。”余恺拿出李彦弘带回的dreamnet论文复印件,仔细验算了一遍dreamnet18层和34层的参数量。
“对于这个参数量的网络来说,你最多也只能做到每秒3-5张图片才对。”余恺算来算去,还是根本对不上结果。
孟繁岐本想解释一番,说巨额的速度提升来自于检测端的创新突破,而不是骨干网络。
yolo方法不做滑动窗口,也不去提出可选区域,而是直接对整个图片做回归。
这样的做法泛化性能很好,对不同类型不同场景的图片性能波动不大,但是在比较精细的事情上稍有欠缺,比如较小物体的检测和绝对位置。
但刚一想开口,又觉得不大保险。
眼前的两位技术负责人都是高手中的高手,自己言多必失,若是点醒了别人,那可就大事不好了。
“具体的结果已经展示给几位了,算法的细节和原理,现在这个阶段肯定是不方便和几位细聊的。”孟繁岐微笑应道,“如果你算出来不可能,说明你的前提就错了。”
“对我个人来说的话,其实这个成绩还有很大的优化空间的,只是我目前的主要兴趣并不在这个方向上。”
听听,这说的是人话么!
汪海峰刚想说点什么,闻言一时语塞,当场噎住。
他这两年检测算法搞了不少,距离这个结果还有十万八千里呢,结果眼前这人说得这叫什么话?
目前对这个方向不是那么感兴趣?那你倒是怎么在提升检测精确度的同时还给他加速了一百多倍的?
随便写了点是吧?气不气人呐?
“你后续会负责继续对这个系列算法进行优化吗?”李彦弘非常关注这件事,如果孟繁岐答应持续优化升级这个系列,其实就会起到一个类似招聘的效果。
“那这个就要看我们合同具体怎么签了。”孟繁岐打起了太极,合同没看到,这种事情自然不好说。
李彦弘靠在椅背上,左手扶着下巴,开始了沉思。
孟繁岐不怀疑李彦弘在ai方向的投入力度,从2013-2023的这十年,李彦弘累计投入了超过千亿在a
请收藏:https://m.bqgme.cc
(温馨提示:请关闭畅读或阅读模式,否则内容无法正常显示)