t需要的核心技术比如注意力机制和生成式预训练transformer都发表出来。

    到时候说不定单纯技术和资本入股openai就好，做个技术顾问，没必要非得自己下场创业打工。

    “到时候再说吧，我如果有什么动作，不会藏着掖着的，你到时候看到了记得联系我。”

    有人这么早就认定了自己，孟繁岐也愿意让他加入团队，毕竟也是白度做ai的工程师，水平上没什么问题。

    只是自己短期实在没这个需求，即便有，也不大好意思把李总派来对接的人直接挖走。

    结束了简短的通话，孟繁岐开始检索匈牙利算法和库恩-曼克尔斯(km)算法，这两者其实都是老方法了。

    比如匈牙利算法，就提出于1955年，是一种在多项式时间内求解分配问题的组合优化算法。

    sort多目标追踪办法也只是利用这两者，以及孟繁岐提出的yolo，并不需要对这三者本身有很多的改变。

    yolo算法作为特征提取器，用来提取所有的车辆部分。

    匈牙利或者km算法，对相邻帧之间的若干目标进行最大匹配，卡尔曼滤波则根据目标轨迹的预测对结果进行一些修正。

    尤其政府的场景当中，车辆的运动轨迹比较规则单一，这个方法的效果会相当优秀而稳定。

    并且，在相邻帧中，孟繁岐还引入了iou距离，也就是两个检测框之间交集的面积，用它作为二分图匹配的权重。

    同时也能够根据帧之间的距离计算车速，并根据车速范围合理设计相关参数的阈值，可以说是一举两得了。

    在这个基础之上，还有改进版的deepsort，这个方法是从行人的识别中获取的灵感，通过对比两个隐藏层参数向量的距离来判断两者是否是同一个人。

    不过孟繁岐并不准备那么周到，实现那么多，达成了基本需求就足够了。这部分继续改进的内容，他只打算写下一个思路在这里给白度。

    时间还是用在谷歌上面比较划算。>> --