casp今年的開賽時間大約在5月初，等它比賽結束，出結果的時候已經8月了。
賈揚清詢問了一番孟繁岐的目的，得知他準備參加casp，不由得感覺有些擔憂。
“你這比賽結果出來那麼晚，六月份的事情可怎麼辦，三個月這也來不及啊？”
言下之意，沒有官方的結果背書，這個工作的具體貢獻到時候說不清楚。
“啊？我沒打算那這個去跟她比啊。”
殺雞焉用牛刀？
孟繁岐這才醒悟過來，原來大家都以為他剛剛開會回來就急著聯絡同事是為了準備和霍爾姆斯的競爭。
這完全是思維慣性了，孟繁岐隻是因為這件事情先選擇了一個在穀歌大腦的工作方向，並且醫療智能方麵他早就計劃涉足。
視界當初公司本就注冊了兩個，視界視覺和視界醫療，隻不過由於種種原因，先隻發展了一個，醫療方麵還需要等待時機成熟。
“對付她哪裡用得到那麼多創新，她都十年了還沒見產品呢。我拉幾個同事在你的caffe上把之前的輪子造一下，然後針對幾個比較常見的疾病圖像做一些針對性優化就好了。”
比的也是短期內服務的患者人數和成本上的節約，阿爾法fold這個大工程就算兩三個月做得出，也來不及起到相應的作用。
它的影響力很大，意義深遠，後勁比較足，肯定值得去做。
要說短期的賭約對策，孟繁岐首先要做的是一整套醫療視覺基礎範式。
就如之前所說的，在識彆病症種類，檢測疾病位置，分割病灶區域這三個主要方麵做文章。
基於caffe框架，打造出這方麵的易用工具，然後加以自己的開源協議公布出去。
這些都是基於孟繁岐已經發布的技術，要做的事情基本上都是苦力活，兩三周就能完成的事情。
如果能多拉幾個冤大頭，一兩周時間就差不多夠了。
“殘差網絡天生就適用於所有的簡單分類任務，對於圖片和簡單標簽的形式，基本上沒有太多工作量。”
孟繁岐在思索自己應該如何安排時間，分類任務是最方便的，需要做的其實隻是把幾種常見疾病的數據集按照特定格式重新準備一下就好。
並且，作為人工智能領域的一個重大突破，caffe早已適配了殘差網絡，這部分內容賈揚清等人已經基本完成了。
檢測方麵，此前的yolo算法可以直接應用，不過這一次的側重點有所不同。
此前，孟繁岐在保持了一定準確度優勢的情況下，儘可能地加快了檢測的速度。
意圖是使用極高的幀數來作為核心賣點，這是自動駕駛等方向會比較看重的。
但在醫療領域當中，大多數時候就不會那麼過度追求上百的幀數了，除非有海量的數據積壓。
多數情況下需要檢測的結果越精準越好，速度方麵有很大的空間可以妥協。
“偏移總體的重心也不是那麼容易的事情，一昧地加大模型的規模和圖像的分辨率隻會事倍功半。”
孟繁岐瀏覽了一番，醫療領域也已經有一些跟進的工作了，一些草稿公布了出來，出發點也和自己想的差不多。
將重心從速度往準確率上轉移。
不過可以看出，他們的總體思路還比較簡單，不得要領。
“讓我給你們好好的上一課！”
孟繁岐如此想著，開始了一係列相關改進技術的研發工作。
圖像的分類任務是最為簡單的前向網絡，一般來說，不會從中間層提取很多信息，因為目的隻是為了判斷類彆。
但是，檢測和分割的任務則不然，其中最主要的不同就是分類任務不需要定位目標在圖片中的位置，檢測和分割則需要這個信息，而且越準確越好。