第396章 我这有几千张GPU，你要吗？ (第2/3页)
时间够。
……
上午的大会主题报告，任少卿坐在后排，把论文草稿掏出来又过了一遍。
台上是一位西工大的老先生，做人脸识别做了二十多年，满头白发，声音洪亮，PPT是黑底绿字的经典配色，一页一页往下翻，每一页都有至少三段话。
老先生讲的是基于可形变模型的人脸特征点对齐，理论体系扎实、推导完备，是这个领域里毫无疑问的泰斗级工作。
任少卿认认真真地听，认认真真地鼓掌。
然后继续低头看自己的论文。
……
下午两点整，任少卿走上讲台。
报告厅里坐了大概七八十人，前排是几位头发花白的老教授，中间是一群年龄不一的副教授和研究员，后排是一大片跟他差不多大乃至更年轻的博士生和硕士生。
任少卿把U盘插进去，屏幕上亮出报告封面：
《基于改进卷积神经网络的目标检测：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，算力约束在未来三到五年内会快速缓解，到那个时候——”
“到那个时候再说到那个时候的事。”
中年教授语气不咸不淡，
“我
（本章未完，请点击下一页继续阅读）