檢測任務需要用選框非常準確地框出目標物體在圖片的何處，而分割更為精確，連精細的輪廓也要標注清楚。
出於計算量的考慮，骨乾網絡在處理圖片的時候，通常並不會一直在極高的分辨率下進行。
一般來說，是分四個階段，每過一個階段，分辨率就會再小四倍長寬都變成原本的一半。
分辨率為256x256的圖片輸入之後，在不同階段的特征圖分辨率很可能會是[64，32，16，8]。
這樣成倍減少的特征圖疊在一起，形成一個錐型，被稱為特征金字塔。
分辨率變小的一大問題就是會喪失非常準確的位置信息，分辨率越小的特征圖抽象程度越高，也就越難去表達原本圖像中物體的位置。
由於這些不同尺寸的特征通常對融合後的輸出特征作出了不平等的貢獻，為了解決這一問題，孟繁岐計劃實現一個簡單而高效的加權雙向特征金字塔網絡bifpn。
它引入可學習的權重來學習不同輸入特征的重要性，同時反複應用自頂向下和自底向上的多尺度特征進行融合。
如此以來，就不需要大量增加圖像的原始分辨率和算法模型的規模和參數量，用較少的額外計算量爭取到了更加多的性能。
這章沒有結束，請點擊下一頁！
此外，孟繁岐還對一些其他的方麵進行了一係列測試調整。
爭取到了一個六七人的小隊協助，大約兩周多不到三周的時間，孟繁岐就已經整理好了這些以分類，檢測和分割為主題的綜合應用手段。
並寫成了一篇更像是實驗報告的論文，《醫療圖像算法實用技巧以分類、檢測與分割任務為例》
這篇論文是孟繁岐有史以來寫得最長也最短的一篇論文。
最長是指論文的頁數，多達四五十頁，遠超之前每篇十多頁出頭的慣例。
最短則是指其中略顯多餘的套話廢話部分很少，幾乎是沒有。
孟繁岐直接儘可能將這些東西進行了精簡，取而代之的是更多的實驗測試結果和表格。
這篇論文在公共平台的公布，正式地引發了媒體對兩邊進度的高度關注。
雖然大家都知道孟繁岐的厲害，也見識了好幾次他產出技術的速度，但誰也沒有想到這一次竟然是一個三合一的合訂本。
重劍無鋒，大巧不工，沒有特彆多完全創新的新東西，反而是將之前已經公布的三個技術在相應的醫療圖像領域內仔細打磨了一番。
就像喬峰一套太祖長拳錘爆各路高手一樣，讓眾人均大徹大悟，原來這幾種技術還可以這麼用？？
孟繁岐論文的結果，彆說是對比原本的傳統方法了，就是相比那些拿來主義，使用了孟繁岐技術的人，都有著相當可觀的進步和提升空間。
這就有些驚人了。
你有能力，做出新的算法比我強，我能理解，我也認了。
這怎麼大家都用一個算法也能差這麼多呢？人與人之間的差距也太大了吧？？
斯坦福會談之後，霍爾姆斯沒有什麼能做的，隻能儘量加強宣傳工作，一副自己已經勝券在握的樣子。
短短兩周，就已經登上了財富和福布斯兩家的封麵。
“孟先生，我們知曉，您整合了自己此前的圖像智能工作，並在極短的時間內針對醫療領域做了很強的優化，這實在太令人驚歎了。”孟繁岐對麵，一位來自華爾街日報的記者開局先客套誇讚了兩句。
上次在生成式智能事件當中，華爾街日報的報道最為中肯，因而孟繁岐對其印象很好，此次接受了華爾街日報的專訪。
“三個月的時間，已經過了四分之一，不知道孟先生後續還有沒有其他的計劃？對最後取勝又有沒有信心呢？”
“我回來之後查詢了一下，霍爾姆斯的公司已經成立十年了，卻一直沒有檢測過多少病例。如果她沒有什麼重大舉措的話，我想勝負已經非常明顯了。”
“除非是她要跟我比雜誌封麵，要論上雜誌封麵那我確實徹底輸了。”
喜歡重生之ai教父請大家收藏101novel.com重生之ai教父101novel.com更新速度全網最快。