冬雪消融，柳枝吐新。但深视科技的研发中心內，气氛却比寒冬还要凝重。
过去的一段时间，公司进入了战时状態。
京城总部的灯光经常彻夜不熄，而在遥远的星城，一场规模浩大的人肉数据採集战役也正在进行。
为了採集足够多的真实人脸样本，星城分部的招了几个地推团队几乎跑遍了当地的大学、社区和商场。
他们拿著小礼品，请求路人录入人脸信息。
“麻烦眨眨眼”
“请向左转头”
“光线稍微亮一点”
人脸图片也是快速增长：几百张，几千张，几万张。
这是一场用人力堆出来的结果。
“只有90.2%。”
会议室里，顾书瑶看著大屏幕上的测试结果，声音里透著难以掩饰的疲惫和沮丧。
这是他们训练出的第一版深度学习模型（demo）。
虽然相比传统算法85%左右的识別率，这已经是巨大的飞跃，但在人眼识別率：97.53%面前，它依然是个脸盲。
“我们离人眼標准还差得远。”顾书瑶摘下眼镜，揉了揉满是红血丝的眼睛。
会议桌旁，汤小鸥教授、徐力、杨樊等人都在，连在微软研究院的何鎧明时不时的过来凑热闹也不说话了。
大家面前都摆著厚厚的测试报告，空气压抑得让人透不过气。
陈阳坐在主位，手里转著一支笔，神色平静。
其实他心里很清楚问题出在哪里。
前世deepid算法之所以能屠榜，靠的不是单一模型，而是模型融合（和多尺度特徵提取。
但他没有立刻说。
一个团队的战斗力，是在一次次撞墙和突围中磨练出来的。
如果每次遇到问题他都直接给答案，那这群天才终將变成只会执行命令的庸才。
他需要给他们一点时间，去试错，去思考。
“大家怎么看？”陈阳打破了沉默。
“目前我们的方案是標准的cnn（卷积神经网络）思路。”徐力指著架构图分析道，
“將整张人脸丟进模型，经过卷积层提取特徵，最后生成一个特徵向量进行对比。”
“但这有个问题，模型似乎抓不住细节。比如双胞胎，或者长得像的人，它很容易搞混。”
“我觉得还是数据量的问题。”汤小鸥教授沉吟片刻，给出了学术界的经典判断，
“深度学习是吃数据的。相较於imagenet动輒上千万张图，我们才几万张，模型根本吃不饱，泛化能力自然上不去。”
“我建议，扩大数据集。”
汤小鸥看向陈阳：“把数据量翻倍，甚至翻四倍。只有见过足够多的人，模型才能学会什么是不同。”
“同意。”
“附议。”
大家都觉得这是目前最靠谱的路径。
“好。”
陈阳点了点头，虽然他知道这会有提升，但不会有质变，但他还是支持团队的决定，
陈阳找来林小月叮嘱道：“通知星城那边，加大投入。我要5000个人的样本，至少20万张照片。”
“好的。”
又是半个月的煎熬。
星城团队像是上了发条一样，终於凑齐了这20万张高质量的人脸数据。
数据传回京城，新一轮的训练开始了。
这时候，算力的瓶颈赤裸裸地暴露了出来。
由於超算中心还在建设中，他们只能用现有的十几台伺服器跑任务。
进度条走得慢如蜗牛。
一天，两天直到第十二天，模型才终於收敛（训练完成）。
“这太慢了。”
顾书瑶看著伺服器风扇轰鸣，却依然缓慢的进度条，急得嘴角冒泡，
“一次叠代要十几天，如果有bug重跑又要十几天。这简直是在浪费生命。”
陈阳站在机房外，看著这一幕，建立超算中心的想法从未如此迫切。
在ai时代，时间就是金钱，算力就是生命。
等到算力中心建设完成，这个时间將被压缩到几个小时。
但现在，他们只能等。
第十三天，结果出来了。
91.3%。
仅仅提升了1.1%。
看著这个数字，顾书瑶差点把键盘砸了。
付出了两倍的人力，十几天的时间，就换来这一丁点的提升？
按照这个速度，想超过人眼识別率，得等到猴年马月？
“单纯堆数据，边际效应递减了，看来方向不对。”汤小鸥看著数据，眉头紧锁。
“要不试试传统算法和深度学习结合？”汤小鸥提议，
“用传统算法做对齐，用深度学习提特徵？”
“试！”顾书瑶觉得这也是一个办法。
又是几天的折腾，失败。
效果甚至还不如纯深度学习。
“再加数据？”徐力咬著牙提议，“加到100万张！我就不信餵不饱它！”
“来不及了。”顾书瑶摇摇头，看了一眼日历，
“投资人希望三个月看到阶段性成果。收集100万张照片至少要半年，我们等不起。”
会议室里再次陷入了死寂。
这一次，连汤小鸥也没辙了。
学术界目前最先进的方法都在这儿了，还能怎么办？
陈阳看著大家垂头丧气的样子，知道火候到了。
挫折教育已经足够，现在是时候注入信心了。
“大家是不是走进了一个误区？”
陈阳的声音突然响起，清朗有力，瞬间吸引了所有人的目光。
他站起身，走到白板前，画了一张人脸的简笔画。
“我们现在是把整张脸丟进去，让模型自己去学。但是，人脸是复杂的。”
陈阳用笔在人脸的眼睛、鼻子、嘴巴上分別画了圈。
“如果我是警察抓小偷，我不仅会看他的脸型，还会特意看他的眼睛大不大，鼻子挺不挺，嘴唇厚不厚。”
陈阳转过身，看著汤小鸥和徐力，拋出了那个关键的提示：
“我们为什么不把人脸切开呢？”
“切开？”徐力一愣。
“对。”陈阳在白板上画了几个方框，
“全脸是一个输入。眼睛区域是一个输入，鼻子是一个，嘴巴是一个。甚至，我们可以在不同的尺度上切，有的切大点，有的切小点。”
“每一个区域，我们都训练一个独立的模型去识別特徵。”
陈阳在画板上重重一笔，將所有方框连向一个终点，
“最后，我们將这些所有模型提取出来的特徵，拼接在一起。”
“这就是：联合决策。”
轰！就像是一道闪电划过夜空。
汤小鸥猛地站了起来，眼睛死死盯著白板上的图，嘴里喃喃自语：
“局部特徵、多尺度、模型融合。对啊！我怎么没想到！这样能强迫模型关注细节，让同一个人的向量更聚合，不同人的向量拉得更开！”
“这能极大提升泛化能力！”徐力也激动得跳了起来：“陈总，这招太绝了！”
“可是。”
顾书瑶作为工程负责人，第一时间想到了代价，“如果把人脸切成几十块，每一块都用一个网络，那计算量。”
“这就是暴力美学。”
汤小欧教授笑了：“我们现在缺算法，缺数据，但就是不缺暴力的决心。一个模型不行，我们就上十个；十个不行，就上六十个！”
“把人脸切成10个区域，每个区域在rgb和灰度图上各训练3个网络。一共60个卷积神经网络！”
“我要用这60个模型，像60个拿著放大镜的侦探一样，把人脸的每一个毛孔都看清楚！”
“60个模型。”大家被这个疯狂的数字震住了。
在2013年，训练一个深层网络已经是大工程，同时跑60个？这简直是疯子的想法。
但正是这种疯狂，让在场的每一个人都热血沸腾起来。
“就这么干！这才是ai该有的样子！大力出奇蹟！”
汤小鸥一拍桌子，眼中闪烁著赌徒般的狂热。
“书瑶，调动所有伺服器资源！不够在继续买。”
“徐力，杨樊，你们负责切图和网络结构设计！”
“今晚不睡了，我们要搞个大新闻！”
整个研发中心瞬间沸腾了。
原本沉闷的气氛一扫而空，取而代之的是一种决战前的亢奋。
代码飞快地在屏幕上滚动。
人脸图片被切割成眼睛、鼻子、嘴巴等各种碎片。
60个独立的神经网络像60头飢饿的野兽，被塞进了有限的显存里。
陈阳站在后方，看著这一幕。
他知道，这就是著名的deepid算法的核心思想。
虽然现在超算中心还没建好，训练这60个模型会非常痛苦，可能需要轮流跑。
但只要这条路是对的，胜利只是时间问题。
屏幕上，新的训练任务已经启动。
进度条再次开始缓慢爬升。
这一次，所有人的心里充满了期待。