在这样的情况之下，所有的甲方，尤其是注重安全性的政府机构，都会做出最为明智的选择。

而作为算法设计者的孟繁岐，当然非常清楚这样的生成策略会有什么问题和漏洞，生成出来的图像又有什么人类无法发现的规律。

孟繁岐的人脸识别算法，将会同时具有首次突破人类水平的精确度，数十倍于目前世界一流算法的检测速度，以及当下独一无二别无分号的伪造检测能力。

与此同时，对孟繁岐的新计划一无所知的脸书deepface团队，正在集体研究孟繁岐的论文和代码，完全不清楚自己将会遭遇什么。

这章没有结束，请点击下一页继续阅读！

“我们正在做的事情是首个将深度学习用于人脸识别的开创性工作，用到的数据规模也高达百万，如果这个时候替换掉如此多的算法组件，会不会耽误太久时间？”deepface四人组中，杨明是唯一的华国人，他对此稍微有所担忧。

“杨，现在孟的残差网络已经席卷了整个ai界，如果我们还是使用去年的8层网络，这真的可以称得上是首个将深度学习应用在人脸识别上的工作吗？”沃夫人如其名，工作上很有狼性。

在他看来，孟繁岐对深度学习的核心，网络结构本身已经做出了革命性的突破。

如果不采用这种新的技术，那么自己发布出去的文章又或者是代码，根本就只是昙花一现，几个月之后，一定到处都是基于孟繁岐残差技术的版本。

既然已经意识到了自己的不足，那就一定要修正，不能怕麻烦，也不能怕时间不够。

残差网络开源发布出来，就是几天前的事情，所有人都在同一条起跑线上。

没有什么可担忧的。

deepface团队已经在这个方向上努力了大半年，如今只是更换一些组件，迅速地将终版的实验迭代一下，这耽误不了太久。

这么久的技术积累，难道会别人随意赶超不成？

“杨，你不必担心，我们的主要步骤是检测->校正->再表达->分类验证，后面几个步骤都已经相当成熟了，只是现在有了更好的特征提取办法。”

泰戈曼也出言安慰杨明，他知道这个新加入脸书的小伙子急需一些成绩，“更换了方法之后，我们可以做得更好！”