书阅网

手机浏览器扫描二维码访问

第103章 没有困难就制造困难（第1页）

孟繁岐决定创业的两个方向，人脸识别和医疗A，其中还是有缓急之分的。

人脸识别是一项已经应用了很久的技术，各方面都比较成熟，只是之前的方法比较传统落后。

一旦孟繁岐做出一些突破之后，可以很快切入进战场，展开收割，快速盈利。

而医疗A还处于比较早期的阶段，其中最麻烦的问题是这些医疗数据与病人**方面的伦理问题。

在最最基层的数据问题上，就有不小的阻碍，各方面的手续章程繁琐。

虽然尚海公共卫生中心主动与自己联络了，不过这方面的事情恐怕不会推进得太快，需要徐徐图之。

应当先行着手处理的是人脸识别算法方面的事情，并且既然已经决定创业，自然要从商业的视角去考虑，而非是之前的学术角度。

孟繁岐了解这个时期最先进的人脸识别算法，比如脸书的DeepFace，原本是基于阿里克斯网络做特征提取，加入了分段仿射变换，使用了3D人脸建模来重现脸部特征，对齐面部要素。

脸书在14年的这个方法是深度学习时代人脸识别算法的奠基之作，影响力很强。

不过在孟繁岐看来，这个方法极其臃肿，参数多达上亿个，虽然在一个大型人类数据集LFW上性能为97.35%，接近人类水准。

但对孟繁岐来说，将这个性能继续提升到99.6%往上是十拿九稳的事情。

不过，从数据上可以明显看到，这个指标剩余的提升空间其实已经很小了，没法很显著地拉开差距。

从学术的角度去思考这个问题，自然是不要紧的，只要突破了世界纪录，自然就是值得发表的研究。

可在工业界，思维却不能这么简单。

性能相差无几的情况下，还有太多其他因素需要考虑进来。

比如速度快慢，商业用途，对速度都有硬指标的要求，这一点孟繁岐非常有信心；再比如算法的算子是否比较常见？有些复杂的学术操作，在商业使用的时候并不方便，硬件设备可能不支持，这点有可能会出问题。

其他诸如价格，使用难度，用户界面的美观程度，甚至于宣发的PPT做得唬不唬人，都很有可能成为外行人做出商业判断的依据之一。

因此，孟繁岐觉得在人脸这个已经被比较成熟的问题上，单纯只是自己这2个多点的技术突破只是较大的优势，还不足以建立起绝对的优势。

既然是创业的第一枪，不仅要成功，还必须大胜。

孟繁岐计划要在这个领域构建起足够强大的技术壁垒，至少要让其他所有的科技巨头们在大几个月，甚至接近一年多的时间内退避三舍。

现在的人脸识别太简单？老办法就能做到96-97？

哥们给你上点强度，看看你到底能不能受得住！

孟繁岐的策略基于他最先公开的一篇论文，生成式对抗技术之上。

他计划将基于残差网络的对抗式生成网络做一些针对性调整，并拿现在业界最大的几个人脸图像数据去训练它们。

其最终目的，就是为了生成看上去栩栩如生，实际上根本就不存在的人脸图像。

等到这个生成模型成功训练之后，孟繁岐便可以用它去对现在世面上的先进人脸识别算法发起针对性的挑战。