，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的几倍？GPU算力消耗是DPM的几倍？这个对比，公平吗？”
“数据量大约是……两倍，”
任少卿深吸一口气，
“算力消耗相对更高，这点我承认。不过我想指出的是，随着GPU硬件成本持续下降，算力约束在未来
本章未完，请点击下一页继续阅读！