周一的技术战略会上，贾瀞雯在白板上写下四个字：图像搜索。
    会议室里安静了几秒。
    然后响起一阵低低的议论声。
    “图像搜索？”李明重复了一遍，“用户上传图片，然后我们找相似的图片？”
    “对。”贾瀞雯点头，“技术上叫基於內容的图像检索。
    国外有实验室在研究，但还没有成熟的產品。”
    张涛推了推眼镜：“贾总，这个……太超前了吧？我们现在连文字搜索都还没做到完美。
    图像搜索的复杂度要高几个数量级。”
    “我知道难。”贾瀞雯说，“但搜索的未来不只是文字。
    图片、声音、视频，这些都是信息。
    如果我们现在不开始研究，等別人做出来了，我们就落后了。”
    王磊举手：“技术上具体要做什么？”
    “分几个部分。”贾瀞雯在白板上画图，“第一，特徵提取。
    从图片里提取顏色、纹理、形状等特徵。
    第二，特徵索引。
    把这些特徵建成可搜索的资料库。
    第三，相似度匹配。
    用户上传图片后，计算和库中图片的相似度，返回最接近的结果。”
    她画完，看向团队。
    大多数人都皱著眉头。
    “这需要计算机视觉的专业知识。”新来的一个算法工程师说，“我们团队没人懂这个领域。”
    “需要大量的计算资源。”另一个工程师补充，“图片特徵提取很耗cpu，匹配算法也很复杂。
    现在的伺服器可能扛不住。”
    “还有数据问题。”李明说，“我们需要海量的图片数据来训练和测试。
    去哪找这么多图片？”
    质疑声一个接一个。
    贾瀞雯安静地听著，等大家都说完了，她才开口。
    “所有的困难我都知道。”她说，“但陈总说了，有些事现在不做，以后就晚了。
    图像搜索是未来，我们必须现在开始布局。”
    她顿了顿：“当然，不是要马上做出產品。
    我们先做预研，探索技术可行性。
    周期定六个月，投入资源控制在可接受范围內。
    这样可以吗？”
    团队互相看了看，最终都点了头。
    但贾瀞雯能看出来，大部分人心里还是没底。
    会后，她给陈浩打电话匯报情况。
    “团队反应怎么样？”陈浩问。
    “有疑虑。”贾瀞雯实话实说，“觉得太超前，技术难度太大。”
    “正常。”陈浩说，“新技术的探索总是这样。
    我等会儿发你一些资料，是国外论文和研究报告。
    你让团队先学习，有个概念。”
    半小时后，邮箱里多了十几封邮件。
    附件全是pdf，英文的，有些还有复杂的数学公式。
    贾瀞雯列印出来，厚厚一摞。
    她抱著这摞资料回到会议室，团队还在討论。
    “这是陈总发的资料。”她把资料放在桌上，“大家先看看，了解下这个领域的前沿进展。”
    李明拿起一份，翻了翻，眼睛渐渐亮起来。
    “这篇论文……讲的是基於顏色直方图的图像匹配。
    思路挺巧妙的。”
    张涛也拿起一份：“这个是纹理特徵提取的方法，用到了小波变换。”
    新来的算法工程师看著一篇论文，喃喃自语：“这个相似度度量公式……有点意思。”
    资料起了作用。
    团队开始认真研究，会议室里响起了討论声。
    但一周后，问题又来了。
    “贾总，我们试了几个经典算法。”李明匯报，“效果……不太好。
    简单的图片能匹配，稍微复杂点就乱了。”
    “具体什么问题？”
    “特徵不够鲁棒。”张涛解释，“同一辆汽车，不同角度拍，提取的特徵差异很大。
    算法认不出来是同一个东西。”
    贾瀞雯思考著。
    这时，陈浩的电话来了。
    “进展如何？”他问。
    贾瀞雯把问题说了。
    陈浩听完，没直接给答案，而是问：“你们现在怎么做的？”
    “按论文里的方法，先做整体特徵提取，再做全局匹配。”
    “换个思路。”陈浩说，“分阶段实现。
    第一阶段，不做通用图像搜索，先做特定类別的识別。
    比如先做汽车识別，因为汽车有比较固定的特徵。
    第二阶段，扩展到建筑、动物等常见类別。
    第三阶段，再做通用搜索。”
    贾瀞雯记下来：“这是技术路径上的建议？”
    “对。”陈浩说，“另外，方法上也可以调整。
    不要追求完美算法，先用简单方法验证可行性。
    小步快跑，快速试错。”
    掛了电话，贾瀞雯立刻召集团队。
    “调整策略。”她说，“我们不分阶段：第一阶段，选定十个常见物品类別——汽车、建筑、动物、植物、家具、电器、服装、食品、书籍、艺术品。
    第二阶段，每个类別做专门的识別模型。
    第三阶段，整合成原型系统。”
    她看向李明：“方法上，先用最简单的特徵——顏色和纹理。
    效果不好再升级。
    目標不是完美，是验证可行性。”
    团队重新分工。
    十个人，每人负责一个类別。
    贾瀞雯要求每周匯报进展，遇到问题隨时討论。
    第一周，进展缓慢。
    负责汽车识別的工程师发现，不同顏色的汽车在顏色特徵上差异太大。
    负责动物识別的发现，猫和狗在某些角度下很难区分。
    第二周，有人想出了新办法。
    负责建筑的工程师提议，用边缘检测提取轮廓特徵，因为建筑有清晰的几何形状。
    这个思路在其他类別也適用。
    第三周，团队开始分享经验。
    汽车组借鑑了建筑组的轮廓方法，动物组结合了顏色和纹理特徵。
    小步快跑的策略见效了。
    虽然每个类別只能做到百分之六七十的准確率，但至少能跑了。
    第四周，贾瀞雯组织了一次內部演示。
    每个小组展示自己的成果。
    汽车组：能识別轿车、suv、卡车等大类，但细分车型还有困难。
    建筑组：能区分现代建筑和古典建筑，但具体风格识別不准。
    动物组：能区分猫、狗、鸟等大类，但具体品种分不清。
    演示完，贾瀞雯总结：“虽然不完美，但证明了这条路能走通。
    下个月的目標：提高每个类別的准確率，同时开始做系统整合。”
    【跪求礼物，免费的为爱发电也行！】