“这个算法的结果意义非常重大。”

李彦弘表情严肃地在思索，“首先是它的速度，实时的检测将会是各种意义上的质变，别的不提，光说实时检测这一点，它就让自动驾驶这个方向有了技术的基础。”

白度内部在规划AI技术的时候，自动驾驶一直都是李彦弘非常希望涉足的领域。

想让车自动行驶，除了雷达类型的感应器之外，机器处理图像的能力也不可或缺。

并且，这种能力必须要是实时的，而且需要非常的流畅。

“在目前检测算法的速度之下，一两秒往往只能做出一两次判断。

我们假设一个自动驾驶场景，视觉算法首先误判了一到两次，那造成的操作延迟很可能达到两三秒。

假设时速是60公里每小时，那...”

李彦弘想说出一个因为时延导致的行驶距离的不同，因此举出例子之后顿了一下。

“33到50米左右。”

韩辞本能地即答，这样简单的计算对她来说就像呼吸一样自然。

“没错，30-50米左右的距离，这里面完全就是生与死的距离。”

李彦弘调整外接摄像头，让它对准自己，随即比较快速地进行了一些肢体动作。

张开手臂，下蹲，跳跃等。

检测算法的选框始终稳稳地锁定在他的身上，随着他的动作丝滑地变大变小。

“并且它在检测能力上没有做出什么牺牲，反而有着极大的性能飞跃。

我实在是非常惊叹，无法理解你是怎么做到的。”

李彦弘由衷的赞叹道，他想象过这个级别的检测算法，只是以为可能还需要两三年的时间去探索。

没想到就在几个月的时间内，深度学习就接连进行了多次突破，并且全都出自面前这个年轻人之手。

从他建立起白度AI相关的研究机构开始，还没有哪一个技术给它的震撼比现在更大。

这种检测算法，轻量，实时而高性能。

单单就是在自动驾驶和安全安防两个领域的作用就已经足够白度取得很高的技术地位，并赚得盆满钵满了。

“而且我注意到，这个算法很少有背景误检测方面的缺陷。”

汪海峰紧紧地盯着屏幕看到了现在，这点也让他觉得不可思议。

因为图像里的主要物体和有意义物体，一般都在中央位置，四周通常是背景。

在检测的时候，许多算法容易误判，在无意义的背景中突然给你生成几个选框，就好像那里真的有什么东西一样。

这是可以理解的，因为算法会做很多次滑动的窗口，在图像上进行很多次的检测行为，难免就会出错。

可孟繁岐的YOLO方法，不仅速度大幅提升，竟然还能避免这种缺陷，这就让人非常诧异了。

“那么看来，李总还是非常满意这个效果的，我们合作的协议什么时候签署会比较方便？”

孟繁岐这一趟过来，东西也都准备好了。

合同也已经咨询过资深法律认识数次，这里过来应当只是验收结果的同时，确认一下最终的分成比例。

他不是很想过几天再来一次，专门为了签署什么文件。

再有几天，等签证下来，他就准备去澳大利亚参会了。

参会之前，还有一场和谷歌的谈判。