孟繁岐决定创业的两个方向，人脸识别和医疗AI，其中还是有缓急之分的。

人脸识别是一项已经应用了很久的技术，各方面都比较成熟，只是之前的方法比较传统落后。

一旦孟繁岐做出一些突破之后，可以很快切入进战场，展开收割，快速盈利。

而医疗AI还处于比较早期的阶段，其中最麻烦的问题是这些医疗数据与病人隐私方面的伦理问题。

在最最基层的数据问题上，就有不小的阻碍，各方面的手续章程繁琐。

虽然尚海公共卫生中心主动与自己联络了，不过这方面的事情恐怕不会推进得太快，需要徐徐图之。

应当先行着手处理的是人脸识别算法方面的事情，并且既然已经决定创业，自然要从商业的视角去考虑，而非是之前的学术角度。

孟繁岐了解这个时期最先进的人脸识别算法，比如脸书的DeepFace，原本是基于阿里克斯网络做特征提取，加入了分段仿射变换，使用了3D人脸建模来重现脸部特征，对齐面部要素。

脸书在14年的这个方法是深度学习时代人脸识别算法的奠基之作，影响力很强。

不过在孟繁岐看来，这个方法极其臃肿，参数多达上亿个，虽然在一个大型人类数据集LFW上性能为97.35%，接近人类水准。

但对孟繁岐来说，将这个性能继续提升到99.6%往上是十拿九稳的事情。

不过，从数据上可以明显看到，这个指标剩余的提升空间其实已经很小了，没法很显著地拉开差距。

从学术的角度去思考这个问题，自然是不要紧的，只要突破了世界纪录，自然就是值得发表的研究。

可在工业界，思维却不能这么简单。

性能相差无几的情况下，还有太多其他因素需要考虑进来。

比如速度快慢，商业用途，对速度都有硬指标的要求，这一点孟繁岐非常有信心；再比如算法的算子是否比较常见？有些复杂的学术操作，在商业使用的时候并不方便，硬件设备可能不支持，这点有可能会出问题。

其他诸如价格，使用难度，用户界面的美观程度，甚至于宣发的PPT做得唬不唬人，都很有可能成为外行人做出商业判断的依据之一。

因此，孟繁岐觉得在人脸这个已经被比较成熟的问题上，单纯只是自己这2个多点的技术突破只是较大的优势，还不足以建立起绝对的优势。

既然是创业的第一枪，不仅要成功，还必须大胜。

孟繁岐计划要在这个领域构建起足够强大的技术壁垒，至少要让其他所有的科技巨头们在大几个月，甚至接近一年多的时间内退避三舍。

现在的人脸识别太简单？老办法就能做到96-97？

哥们给你上点强度，看看你到底能不能受得住！

孟繁岐的策略基于他最先公开的一篇论文，生成式对抗技术之上。

他计划将基于残差网络的对抗式生成网络做一些针对性调整，并拿现在业界最大的几个人脸图像数据去训练它们。