与李彦弘一同走出那间私人会所,孟繁岐的心情相当不错。
李彦弘对aI前沿技术相当看好且执着,在这方面的许多条件上都很好说话。
孟繁岐与他接触下来,感受还是相当不错的。
如果这次尝试性合作,白度总体做得很好的话,孟繁岐也懒得在国内继续寻觅其他的合作伙伴。
毕竟这个时间点,aI技术的热度还远不够高。
“那我们一两周后再约个时间见面吧。”
李彦弘同孟繁岐握了握手,“到时候你把算法和模型准备好,我们把合同等相关条例准备好。事情敲定之后,我希望会出一个实时的智能检测app,来看一下这个技术的市场反响如何。”
对于图片上内容的检测,有一个极大的质变关键点就是实时或者即时。
并不是所有需要检测的图像都是提前做好准备和预处理的。
许多场景的输入,会是摄像头的实时拍摄,在这种情况下,算法的度是非常大的瓶颈。
游戏玩家应该会非常熟悉一个Fps的概念,说得直白一点,就是每秒的帧数,每秒展示了多少张图片。
这个数字越大,自然就越流畅丝滑。但同时的,算法需要处理的图片数量也会成倍增长。
目前时期高精确度的传统算法,一两秒钟算一张图片,已经很快了。
而一般来说,Fps至少要达到十几二十,才能够真的算得上是流畅的实时检测。
若是可以达到6o-7oFps,则可以明显有那种极其流畅,完全实时处理的感觉。
“现在这个时期,对于检测算法度慢的问题,通常都是采样的办法。”
孟繁岐回忆道。
采样的原理很简单,我一秒钟只能处理一张图片,那我就不管其他帧,只每秒抽取一帧来检测。
但这样的做法,就会导致框追人,等检测框被预测出来的时候,框里面的物体早就跑到框外面去了,给人的使用体验非常差劲。
如果视频内容中的物体大多数都在快移动,那就是空框满天飞,纯纯的视觉污染。
“没有问题,我也会信守承诺,在至少6个月后才会投稿论文或者公布技术细节。”
这也是刚刚谈到的条件中重要的一环,白度不独家占有该技术。
但孟繁岐必须等到14年6月后,才允许投稿或者公开该技术。这个时间孟繁岐是完全可以接受的。
“等你真的去了加州,”
孟繁岐与李总握手告别后,谢绝了李彦弘拍司机送他的好意,独自离开了白度的园区。
李彦弘则待在原地,看着手里薄薄的几张纸,若有所思。
回到总部之后,李彦弘躺在自己的老板椅上,继续思索了良久。
旋即,他做出了两个重要的决断。
一,白度要在海外的硅谷开设aI研究室。
孟繁岐拒绝自己的理由,让他一定程度上醒悟了过来,整体的学科氛围和环境也是很重要的。
去年白度在与谷歌的天价拍卖中落败,加拿大距离美国近太多,是一个很重要的因素。