“這個演算法的結果意義非常重大。”李彥弘表情嚴肅地在思索，“首先是它的速度，實時的檢測將會是各種意義上的質變，別的不提，光說實時檢測這一點，它就讓自動駕駛這個方向有了技術的基礎。”

白度內部在規劃AI技術的時候，自動駕駛一直都是李彥弘非常希望涉足的領域。

想讓車自動行駛，除了雷達型別的感應器之外，機器處理影象的能力也不可或缺。

並且，這種能力必須要是實時的，而且需要非常的流暢。

“在目前檢測演算法的速度之下，一兩秒往往只能做出一兩次判斷。我們假設一個自動駕駛場景，視覺演算法首先誤判了一到兩次，那造成的操作延遲很可能達到兩三秒。假設時速是60公里每小時，那...”

李彥弘想說出一個因為時延導致的行駛距離的不同，因此舉出例子之後頓了一下。

“33到50米左右。”韓辭本能地即答，這樣簡單的計算對她來說就像呼吸一樣自然。

“沒錯，3050米左右的距離，這裡面完全就是生與死的距離。”

李彥弘調整外接攝像頭，讓它對準自己，隨即比較快速地進行了一些肢體動作。

張開手臂，下蹲，跳躍等。

檢測演算法的選框始終穩穩地鎖定在他的身上，隨著他的動作絲滑地變大變小。

“並且它在檢測能力上沒有做出什麼犧牲，反而有著極大的效能飛躍。我實在是非常驚歎，無法理解你是怎麼做到的。”

李彥弘由衷的讚歎道，他想象過這個級別的檢測演算法，只是以為可能還需要兩三年的時間去探索。

沒想到就在幾個月的時間內，深度學習就接連進行了多次突破，並且全都出自面前這個年輕人之手。

從他建立起白度AI相關的研究機構開始，還沒有哪一個技術給它的震撼比現在更大。

這種檢測演算法，輕量，實時而高效能。單單就是在自動駕駛和安全安防兩個領域的作用就已經足夠白度取得很高的技術地位，並賺得盆滿缽滿了。

“而且我注意到，這個演算法很少有背景誤檢測方面的缺陷。”汪海峰緊緊地盯著螢幕看到了現在，這點也讓他覺得不可思議。

因為影象裡的主要物體和有意義物體，一般都在中央位置，四周通常是背景。

在檢測的時候，許多演算法容易誤判，在無意義的背景中突然給你生成幾個選框，就好像那裡真的有什麼東西一樣。

這是可以理解的，因為演算法會做很多次滑動的視窗，在影象上進行很多次的檢測行為，難免就會出錯。

可孟繁岐的YOLO方法，不僅速度大幅提升，竟然還能避免這種缺陷，這就讓人非常詫異了。

“那麼看來，李總還是非常滿意這個效果的，我們合作的協議什麼時候簽署會比較方便？”孟繁岐這一趟過來，東西也都準備好了。

合同也已經諮詢過資深法律認識數次，這裡過來應當只是驗收結果的同時，確認一下最終的分成比例。

他不是很想過幾天再來一次，專門為了簽署什麼檔案。