以他對孟繁岐技術實力的觀感，創業賺大錢只是賺多少的問題，根本不存在失敗的可能。
聽完王愷這一系列的內情，孟繁岐其實相當能夠理解，管理層很多時候的想法和決策，確實對底層員工不大友好。
因為他們沒有，也不可能真的從底層員工的視角去考慮問題，說白了打工仔的想法別人壓根就不在乎。
“短期內確實沒有創業的想法，可能兩年後會有計劃。”孟繁岐單憑技術分成入股的形式就足以賺夠足額的財富了，再輔之一些投資，這樣會遠比創業輕鬆很多。
如果真的要自己出來辦公司的話，孟繁岐目前只有一個計劃，那就是在兩年後，15年底的時候和伊利亞出走谷歌，一起辦OpenAI。
不過即便這件事情他也沒有想好，因為在規劃當中，15年前孟繁岐會把ChatGPT需要的核心技術比如注意力機制和生成式預訓練Transformer都發表出來。
到時候說不定單純技術和資本入股OpenAI就好，做個技術顧問，沒必要非得自己下場創業打工。
“到時候再說吧，我如果有什麼動作，不會藏著掖著的，你到時候看到了記得聯絡我。”
有人這麼早就認定了自己，孟繁岐也願意讓他加入團隊，畢竟也是白度做AI的工程師，水平上沒什麼問題。
只是自己短期實在沒這個需求，即便有，也不大好意思把李總派來對接的人直接挖走。
結束了簡短的通話，孟繁岐開始檢索匈牙利演算法和庫恩曼克爾斯(KM演算法，這兩者其實都是老方法了。
比如匈牙利演算法，就提出於1955年，是一種在多項式時間內求解分配問題的組合最佳化演算法。
SORT多目標追蹤辦法也只是利用這兩者，以及孟繁岐提出的YOLO，並不需要對這三者本身有很多的改變。
YOLO演算法作為特徵提取器，用來提取所有的車輛部分。
匈牙利或者KM演算法，對相鄰幀之間的若干目標進行最大匹配，卡爾曼濾波則根據目標軌跡的預測對結果進行一些修正。
尤其政府的場景當中，車輛的運動軌跡比較規則單一，這個方法的效果會相當優秀而穩定。
並且，在相鄰幀中，孟繁岐還引入了IOU距離，也就是兩個檢測框之間交集的面積，用它作為二分圖匹配的權重。
同時也能夠根據幀之間的距離計算車速，並根據車速範圍合理設計相關引數的閾值，可以說是一舉兩得了。
在這個基礎之上，還有改進版的DeepSORT，這個方法是從行人的識別中獲取的靈感，透過對比兩個隱藏層引數向量的距離來判斷兩者是否是同一個人。
不過孟繁岐並不準備那麼周到，實現那麼多，達成了基本需求就足夠了。這部分繼續改進的內容，他只打算寫下一個思路在這裡給白度。
時間還是用在谷歌上面比較划算。