目标检测：突破传统特征工程的范式》

他扫了一眼台下，做了个深呼吸。

“各位老师、各位同学，下午好。我叫任少卿，来自中科大与微软亚洲研究院的联合培养项目。今天我要跟大家分享的工作，核心出发点是一个我认为非常重要的问题——传统的手工特征，在目标检测任务上，是不是已经遇到了天花板？”

后排有几个博士生坐直了一点。

前排的老先生们，表情没什么变化。

任少卿继续往下走。

他讲架构，讲他对AleXNet的改进，讲数据增强，讲在PASCAL VOC上跑出来的结果。

讲得快，但逻辑清晰，每一步推进都有据可查。

讲到第七页，他把那张对比折线图放到了最大。

“……在相同的测试集上，我们的方法在mAP指标上比当前最优的DPM模型高出了11.3个百分点。这个差距，我认为不是调参层面的改进，而是底层特征提取范式的本质性跃迁。”

报告厅里安静了大概两秒钟。

然后，前排左边第二个位置的老先生开口了。

任少卿认识这位老先生。

西安交大计算机视觉领域的老前辈，做了三十年图像处理，手底下出来的博士生如今遍布国内各大高校和研究院，标准的一代宗师。

“小伙子，”

老先生语气并不严厉，甚至带着点慈祥，

“你这个结果，训练的时候用了多少GPU？”

“四张NVIDIA GTX 780，训练了大约十二天。”

老先生点了点头，慢条斯理地说：

“我想问你，这十二天、四张显卡跑出来的东西，在工程落地上怎么解决？你这个模型，推理一张图片需要多长时间？”

“目前大概是0.5到0.8秒每帧——”

“那实时检测呢？”

老先生温和地打断，

“工业摄像头要求的是25帧以上，你离这个目标还差多远？”

任少卿顿了一下。

——他当然知道差多远。他只是同样知道，五年后这个问题会变成什么样的答案。

“目前确实还不满足实时要求，但是——”

“还有，”

旁边另一位中年教授接过话头，语气更直接，

“你说比DPM高11个点，但你用的训练数据量是DPM

本章未完，请点击"下一页"继续阅读！ 第3页 / 共5页