第(1/3)頁

    “這特么根本不可能啊..”余愷還是不能理解這個(gè)恐怖的速度提升，“你這里應(yīng)該是使用了自己新提出的dreamnet吧？”

    “是的，我提出的殘差網(wǎng)絡(luò)對(duì)性能的提升有非常大的幫助，這種幫助是具有普適性的。并不是只有分類任務(wù)，在檢測(cè)分割還有其他類型的任務(wù)上，都有非常強(qiáng)力的性能提升。”

    “但如果想要做到這個(gè)運(yùn)行速度，你實(shí)際上也沒法使用你論文中提到的，50層，100層吧？”

    “那是當(dāng)然，對(duì)于快速檢測(cè)算法來說，沒有必要使用過于深的網(wǎng)絡(luò)結(jié)構(gòu)。18層或者34層的版本就已經(jīng)足以負(fù)擔(dān)大多數(shù)需求了。”

    “不對(duì)，這不可能。”余愷拿出李彥弘帶回的dreamnet論文復(fù)印件，仔細(xì)驗(yàn)算了一遍dreamnet18層和34層的參數(shù)量。

    “對(duì)于這個(gè)參數(shù)量的網(wǎng)絡(luò)來說，你最多也只能做到每秒3-5張圖片才對(duì)。”余愷算來算去，還是根本對(duì)不上結(jié)果。

    孟繁岐本想解釋一番，說巨額的速度提升來自于檢測(cè)端的創(chuàng)新突破，而不是骨干網(wǎng)絡(luò)。

    yolo方法不做滑動(dòng)窗口，也不去提出可選區(qū)域，而是直接對(duì)整個(gè)圖片做回歸。

    這樣的做法泛化性能很好，對(duì)不同類型不同場(chǎng)景的圖片性能波動(dòng)不大，但是在比較精細(xì)的事情上稍有欠缺，比如較小物體的檢測(cè)和絕對(duì)位置。

    但剛一想開口，又覺得不大保險(xiǎn)。

    眼前的兩位技術(shù)負(fù)責(zé)人都是高手中的高手，自己言多必失，若是點(diǎn)醒了別人，那可就大事不好了。

    “具體的結(jié)果已經(jīng)展示給幾位了，算法的細(xì)節(jié)和原理，現(xiàn)在這個(gè)階段肯定是不方便和幾位細(xì)聊的。”孟繁岐微笑應(yīng)道，“如果你算出來不可能，說明你的前提就錯(cuò)了。”

    “對(duì)我個(gè)人來說的話，其實(shí)這個(gè)成績(jī)還有很大的優(yōu)化空間的，只是我目前的主要興趣并不在這個(gè)方向上。”

    聽聽，這說的是人話么！

    汪海峰剛想說點(diǎn)什么，聞言一時(shí)語塞，當(dāng)場(chǎng)噎住。

    他這兩年檢測(cè)算法搞了不少，距離這個(gè)結(jié)果還有十萬八千里呢，結(jié)果眼前這人說得這叫什么話？

    目前對(duì)這個(gè)方向不是那么感興趣？那你倒是怎么在提升檢測(cè)精確度的同時(shí)還給他加速了一百多倍的？
    第(1/3)頁