接下来的两个月，团队埋头苦干。
准确率一点点提升，从百分之七十到七十五，再到八十。
系统整合也完成了，用户上传图片后，系统会自动判断属于哪个类别，然后用对应的模型搜索。
三个月后，原型系统完成了。
贾瀞雯亲自测试。
她上传了一张汽车图片，系统在三秒后返回了十张相似图片，全是汽车。
又上传一张建筑图片，返回的也是建筑。
准确率测试结果：十个类别的平均识别率百分之八十二。
最好的是汽车和建筑，达到百分之八十八。
最差的是食品，只有百分之七十五。
“可以展示了。”贾瀞雯说。
正好，陈浩要来北京视察。
贾瀞雯安排他在第三天下午看图像搜索的原型演示。
陈浩到公司时，团队正在做最后调试。
贾瀞雯带他进演示室。
“陈总，这就是图像搜索原型。”她打开系统。
陈浩坐下来，看着屏幕。
界面很简单：一个上传按钮，一个搜索按钮，下面是结果展示区。
“我试试。”他拿出随身带的数码相机，连上电脑，导出一张照片。
是横店影视城的城门楼。
上传，点击搜索。
系统显示：“识别类别：建筑。”然后开始搜索。
五秒后，返回十张图片。
第一张就是同一个城门楼的其他角度照片，后面几张也都是古建筑。
陈浩点开第一张，仔细看。
“这张图……是我们图库里的？”他问。
“对。”贾瀞雯说，“我们收集了十万张图片作为测试集。
这张就在里面。”
陈浩又试了几张。
汽车的，动物的，电器的。
系统都能正确分类，返回的图片也都有一定相似度。
测试了半个小时，陈浩放下鼠标。
“做得很好。”他说，“比我想象的快。”
团队都松了口气。
这三个月压力太大了。
但陈浩接着问：“现在最大的问题是什么？”
李明回答：“准确率不够。
百分之八十二，离实用还有距离。”
“怎么提高？”
“需要更多数据，更复杂的算法，更强大的算力。”张涛说，“这些都是长期投入。”
陈浩点点头，转向贾瀞雯：“你的想法呢？”
贾瀞雯想了想：“我觉得，现阶段不要追求通用图像搜索。
先做垂直领域，比如先做汽车搜索。
用户上传汽车图片，我们找相似的汽车。
这样类别单一，特征明确，容易做好。”
陈浩笑了：“和我想的一样。
先做深，再做广。
汽车是个很好的切入
本章未完，请点击下一页继续阅读！