也是了，孟繁岐恍然明悟。
檢測任務的資料集收集和標註的成本更高，這也是為什麼孟繁岐奪冠的大賽，分類圖片一千多萬張，檢測圖片才幾萬張。
目前所有的這些內容全部都是人工去標註。
一張分類圖片，只需要標註一個標籤，它是什麼即可。
而標註一張檢測圖片，經常需要在上面新增數個，甚至十數個檢測框，需要細緻到具體輪廓，然後再新增類別。
標註的成本，自然是十數倍的差別。
為圖片新增選框和標籤的工具也不完善，操作繁瑣，就更使得其緩慢。
截止到現在，深度神經網路為基礎的檢測演算法還有展現出什麼實際的商業價值，還停留在實驗室研究階段，實際上並沒有得到這些大公司足夠的重視。
目前商業用的檢測演算法，還是傳統技術為主，並不需要訓練資料，而是透過人工設計的濾波器去提取特徵。
孟繁岐演示使用的公開VOC檢測資料一共就幾萬張，相比日後動輒幾千億的模型引數量，幾個T的資料量，這個規模有點像過家家。
此時此刻，就白度內部而言，李彥弘這個深度學習研究院，也只在私下積累了不到十倍的私有資料量，也就差不多二三十萬張。
對於白度來說，基於這個本錢，想直接像後來的ChatGPT一樣，提供一個人人可用的AI智慧，那還差了十萬八千里。
“李彥弘開這個技術釋出會的意圖，其實就是伸手要資料。”孟繁岐稍一思索就想明白了，“透過展現這種神奇的效果，誘惑需要工業檢測的廠商，需要醫療影象檢測的機構，想要開發自動駕駛的車企。”
“你們給我資料，我就能幫你們做這個功能。”
李彥弘這是想趁這個技術優勢，收割一大波免費的資料啊！
這小算盤，打得太精了。孟繁岐心中嘖道。
這個時間段，這種圖片資料的價值還沒有得到廣泛的理解，藉助檢測技術的飛躍，白度收割這些圖片起來就像噶韭菜。
再過一段時間，就沒那麼容易白賺了。
“李總，你要是開技術釋出會的話，能不能也宣傳宣傳我這個原作者，給我也打打廣告？”孟繁岐半開玩笑半認真地說道。
李彥弘開技術釋出會去介紹自己的YOLO檢測演算法的話，可想而知，其關注度還是非常之高的。
都說流量時代，就是一坨屎有了流量都能演男女主角。
李彥弘如果在釋出會上，將自己的功勞如實說出，都不需要添油加醋。
其社會影響力，遠遠比自己發好幾篇頂會都來得猛。
君不見，AI技術發了多少《自然》，《科學》頂刊了。關注度完全不如阿爾法狗擊敗李世石，柯潔。
老百姓不關注那個。
“當然沒問題。”李彥弘非常爽快地答應了，“這個技術本身就是你獨立研發創作，你願意匿名，還是願意來到臺前，我都歡迎支援。”
“不過，如果要介紹你的話，我個人有一個小小的請求，我希望能夠稱呼你為，‘白度AI研究院特約研究員’，你看可不可以？”