博客

浅析面部识别系统安全,哪些行业易被攻击?

发表于:06/24/2020 , 关键词: 面部识别, 人脸识别
如今,面部识别系统被认为是一项有争议的技术。IBM、谷歌、微软等IT巨头纷纷表示将暂停面部识别技术的开发和商业,直到相关规则的正式出台。

深度学习中防止过拟合的方法有哪些?

发表于:06/24/2020 , 关键词: 深度学习, 过拟合
过拟合是指在模型参数拟合过程中,由于训练数据包含抽样误差,复杂模型在训练时也将抽样误差进行了很好的拟合。具体表现就是在训练集上效果好,而测试集效果差,模型泛化能力弱。

超实用!移动端游戏制作,光照渲染小贴士

发表于:06/23/2020 , 关键词: 光照渲染, 手游开发
在移动端游戏的渲染中,光照是一个影响较大的因素,也是视觉风格不可缺失的一部分。然而,艺术效果和游戏性能往往会处于一种鱼与熊掌不可兼得的情况中。幸而,我们依旧有许多方法在移动硬件的限制下尽可能地兼顾两者。

深度学习的卷积神经网络中池化

发表于:06/23/2020 , 关键词: 池化, 深度学习, 卷积神经网络
 CNN的池化(图像下采样)方法很多:Mean pooling(均值采样)、Max pooling(最大值采样)、Overlapping (重叠采样)、L2 pooling(均方采样)、Local Contrast Normalization(归一化采样)、Stochasticpooling(随即采样)、Def-pooling(形变约束采样)。

开发者模式之GPU渲染模式分析

发表于:06/23/2020 , 关键词: GPU渲染
手机自带的开发者选项中,有很多可以使用的工具,他们可以用来分析自己的应用的性能、绘制、anr等情况。

几种范数的简单介绍

发表于:06/23/2020 , 关键词: 机器学习
我们知道距离的定义是一个宽泛的概念,只要满足非负、自反、三角不等式就可以称之为距离。范数是一种强化了的距离概念,它在定义上比距离多了一条数乘的运算法则。有时候为了便于理解,我们可以把范数当作距离来理解。

Unity 2019 LTS正式推出

发表于:06/22/2020 , 关键词: Unity
近日,Unity正式发布Unity 2019 LTS长期支持版,作为稳定版引擎,将所有的新增功能、稳定的使用体验带给每一位开发者。Unity 2019 LTS是Unity最新的集大成之作,包含了之前 TECH Stream技术更迭版中的所有内容,以及自Unity 2019.3.0发布以来的所有修复与改善。同时,该版本的稳定性更好,Unity官方团队会对LTS版本持续维护长达两年的时间。

确保物联网设备顺利运行的9项测试

发表于:06/22/2020 , 关键词: 物联网安全
物联网(IoT)是互联技术最伟大的进步之一。通过传感器的小型化、高能效电池寿命以及庞大的全球制造供应链,物联网设备开启了一个始终在线的智能新时代。从亚马逊 Alexa等智能扬声器设备到跟踪仓库库存的小型传感器,物联网可帮助收集和分析大量数据,从而带来更好的决策、更灵敏的设备以及轻松保持联系的世界。

改变相机的9个CV技术

发表于:06/22/2020 , 关键词: 相机, 图像处理
现在的相机越来越多地引入计算视觉技术来丰富相机的用户体验,最近在神经网络与深度学习技术方面的进展大大提升了计算机视觉技术的性能,尤其是以下的9个典型CV技术与应用,使得相机不再停留在传统的成像(imaging)层面,已经进化到了感知(sensing)世界的新时代。

机器学习之性能度量

发表于:06/22/2020 , 关键词: 机器学习
性能度量是衡量模型泛化能力的评判标准,性能度量反映了任务需求,在对比不同模型的能力时,使用不同的性能度量往往会导致不同的评判结果,因此什么样的模型是好的,不仅取决于算法和数据,还取决于任务需求。

边缘计算技术简介

发表于:06/19/2020 , 关键词: 边缘计算
边缘计算是在靠近物或数据源头的网络边缘侧,融合网络、计算、存储、应用核心能力的分布式开放平台,就近提供边缘智能服务,满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。

7个引人注目的创新物联网应用

发表于:06/19/2020 , 关键词: 物联网
如今,全世界都在努力解决物联网技术的隐私问题。物联网是一个由相互关联的计算设备、机械和数字机器、物体、动物和人类组成的系统。物联网无需人与人或人与计算机的交互即可传输数据。因此,我们的世界比以往任何时候都更加紧密相连。

神经网络过拟合要如何优化?

发表于:06/19/2020 , 关键词: 神经网络, 过拟合
在深度学习中,神经网络模型是其较为常见的模型之一。神经网络已经在计算机视觉、自然语言处理、语音识别等领域取得了突飞猛进的发展,其强大的特征学习能力引起了国内外学者的广泛关注,有着十分广泛的应用前景。但是,神经网络在训练样本中表现得过于优越,导致在验证数据集以及测试数据集中表现不佳,这种情况称为过拟合。

浅谈DP、MC、TD方法的区别与联系

发表于:06/19/2020 , 关键词: 强化学习
Dynamic Programming, Monte Carlo, Temporal Difference是强化学习过程中最基础的三种算法,本文主要总结一下这三种方法的区别与联系;强化学习模型本质上是一个随机过程,可以用概率图模型来描述,就像 HMM 可以使用有向图来描述,马尔可夫网可以使用无向图来描述,强化学习对应的图模型是Finite Markov Decision Process(MDP)

机器学习--K近邻 (KNN)算法的原理及优缺点

发表于:06/19/2020 , 关键词: 机器学习, 机器学习算法
K近邻法(k-nearst neighbors,KNN)是一种很基本的机器学习方法。它的基本思想是: 在训练集中数据和标签已知的情况下,输入测试数据,将测试数据的特征与训练集中对应的特征进行相互比较,找到训练集中与之最为相似的前K个数据,则该测试数据对应的类别就是K个数据中出现次数最多的那个分类。