第1801章 技术深水区 (第2/2页)
　　
　　资料起了作用。
　　
　　团队开始认真研究，会议室里响起了讨论声。
　　
　　但一周后，问题又来了。
　　
　　“贾总，我们试了几个经典算法。”李明汇报，“效果……不太好。
　　
　　简单的图片能匹配，稍微复杂点就乱了。”
　　
　　“具体什么问题？”
　　
　　“特征不够鲁棒。”张涛解释，“同一辆汽车，不同角度拍，提取的特征差异很大。
　　
　　算法认不出来是同一个东西。”
　　
　　贾瀞雯思考着。
　　
　　这时，陈浩的电话来了。
　　
　　“进展如何？”他问。
　　
　　贾瀞雯把问题说了。
　　
　　陈浩听完，没直接给答案，而是问：“你们现在怎么做的？”
　　
　　“按论文里的方法，先做整体特征提取，再做全局匹配。”
　　
　　“换个思路。”陈浩说，“分阶段实现。
　　
　　第一阶段，不做通用图像搜索，先做特定类别的识别。
　　
　　比如先做汽车识别，因为汽车有比较固定的特征。
　　
　　第二阶段，扩展到建筑、动物等常见类别。
　　
　　第三阶段，再做通用搜索。”
　　
　　贾瀞雯记下来：“这是技术路径上的建议？”
　　
　　“对。”陈浩说，“另外，方法上也可以调整。
　　
　　不要追求完美算法，先用简单方法验证可行性。
　　
　　小步快跑，快速试错。”
　　
　　挂了电话，贾瀞雯立刻召集团队。
　　
　　“调整策略。”她说，“我们不分阶段：第一阶段，选定十个常见物品类别——汽车、建筑、动物、植物、家具、电器、服装、食品、书籍、艺术品。
　　
　　第二阶段，每个类别做专门的识别模型。
　　
　　第三阶段，整合成原型系统。”
　　
　　她看向李明：“方法上，先用最简单的特征——颜色和纹理。
　　
　　效果不好再升级。
　　
　　目标不是完美，是验证可行性。”
　　
　　团队重新分工。
　　
　　十个人，每人负责一个类别。
　　
　　贾瀞雯要求每周汇报进展，遇到问题随时讨论。
　　
　　第一周，进展缓慢。
　　
　　负责汽车识别的工程师发现，不同颜色的汽车在颜色特征上差异太大。
　　
　　负责动物识别的发现，猫和狗在某些角度下很难区分。
　　
　　第二周，有人想出了新办法。
　　
　　负责建筑的工程师提议，用边缘检测提取轮廓特征，因为建筑有清晰的几何形状。
　　
　　这个思路在其他类别也适用。
　　
　　第三周，团队开始分享经验。
　　
　　汽车组借鉴了建筑组的轮廓方法，动物组结合了颜色和纹理特征。
　　
　　小步快跑的策略见效了。
　　
　　虽然每个类别只能做到百分之六七十的准确率，但至少能跑了。
　　
　　第四周，贾瀞雯组织了一次内部演示。
　　
　　每个小组展示自己的成果。
　　
　　汽车组：能识别轿车、SUV、卡车等大类，但细分车型还有困难。
　　
　　建筑组：能区分现代建筑和古典建筑，但具体风格识别不准。
　　
　　动物组：能区分猫、狗、鸟等大类，但具体品种分不清。
　　
　　演示完，贾瀞雯总结：“虽然不完美，但证明了这条路能走通。
　　
　　下个月的目标：提高每个类别的准确率，同时开始做系统整合。”
　　
　　【跪求礼物，免费的为爱发电也行！】