219个 opencv 常用函数汇总

发表于:06/03/2021 , 关键词: OpenCV
219个 opencv 常用函数汇总,一个比一个强大!

当GPU主导了数据中心——GPU的功耗模型的建立

发表于:06/02/2021 , 关键词: 数据中心, GPU
近年来随着GPU、FPGA和TPU等并行计算硬件的蓬勃发展,HPC数据中心逐渐成为工业和学术界完成大规模计算任务(例如,地理和气候环境模拟、DNA匹配、机器学习算法训练) 的最佳选择。其中,GPU因具有很高的通用性和易用性,使用最为广泛。

如何判断一种PBR光照模型是否是基于物理?

发表于:06/02/2021 , 关键词: 光照模型, PBR, 光照
判断一种PBR光照模型是否是基于物理的,必须满足以下三个条件:基于微平面(Microfacet)的表面模型;能量守恒;应用基于物理的BRDF。

vue与unity交互(不需要任何第三方插件)

发表于:06/02/2021 , 关键词: Unity, unity开发
请大家安心看完,写的比较详细,并且绝对有效,所以篇幅比较大,也可以直接看图解,看不懂图解后再看文档也可

机器视觉技术原理解析

发表于:06/01/2021 , 关键词: 机器视觉
机器视觉系统是指通过机器视觉产品(即图像摄取装置,分 CMOS 和CCD 两种)将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。

面部识别的利与弊:是福还是祸?

发表于:06/01/2021 , 关键词: 面部识别, 人脸识别
虽然现代技术使面部识别更加精确和安全,但与面部识别隐私问题和监控有关的担忧也在增加。因此,让我们在这篇文章中探讨一下这该技术的利与弊。

Vulkan填坑学习Day10—着色器模块

发表于:06/01/2021 , 关键词: Vulkan, 着色器, SDK, 图形API
Vulkan 着色器模块,与之前的图像API不同,Vulkan中的着色器代码必须以二进制字节码的格式使用,而不是像GLSL和HLSL这样具有比较好的可读性的语法。

PowerVR SDK&工具包21.1版新亮点一览,特别增加光线追踪代码示例

发表于:06/01/2021 , 关键词: PowerVR SDK, 光线追踪
PowerVR SDK不仅包含我们的图形开发框架,还包含一些示例应用程序,这些应用程序不仅向您展示了如何实现某些技术,而且还充分利用了PowerVR平台。在帮助您部署跨平台的模块或库之间,您可以专注于实际代码而不是样板设置;我们的SDK提供了您所需的一切,可以让您在开发高性能应用程序时顺利运行。

智能视觉中的图像分析过程

发表于:05/31/2021 , 关键词: 机器视觉, 计算机视觉, 图像处理, 图像编码
视觉不论对生物界还是人类,都起到了至关重要的作用。随着人工智能浪潮的大势来袭,包括机器视觉、计算机视觉等在内的智能视觉也在人工智能领域逐步扮演着越来越重要的角色。

9种AR/VR交互方式解读,让你更加了解透彻AR/VR

发表于:05/31/2021 , 关键词: AR/VR, 虚拟现实, 增强现实
虚拟现实技术是仿真技术的一个重要方向,是仿真技术与计算机图形学、人机接口技术、多媒体技术、传感技术、网络技术等多种技术的集合,是一门富有挑战性的交叉技术前沿学科和研究领域。

21 句话入门机器学习

发表于:05/31/2021 , 关键词: 机器学习
这是一篇关于机器学习工具包Scikit-learn的入门级读物。对于程序员来说,机器学习的重要性毋庸赘言。也许你还没有开始,也许曾经失败过,都没有关系,你将在这里找到或者重拾自信。只要粗通Python,略知NumPy,认真读完这21句话,逐行敲完示例代码,就可以由此进入自由的王国。

GPGPU计算观念和基本思路总结

发表于:05/31/2021 , 关键词: GPGPU, CPU计算
GPGPU中所有计算的数据,都保存在纹理中。比如一个长度为16的一维数组,在GPGPU中就需要建立一个2*2的纹理,这样这张纹理就有4个像素,而每个像素包含R、G、B、A四个颜色分量,所以总共是16个数据。

人工智能、机器学习和物联网等技术改善健康的7种方式

发表于:05/28/2021 , 关键词: 人工智能, 机器学习, 物联网
人工智能、机器学习和物联网等技术可以改善我们的健康。

RISC-V精简到何种程度?

发表于:05/28/2021 , 关键词: RISC-V
RISC-V作为最新设计的精简指令集计算机体系,那么其精简到什么程度呢?

机器学习新手在数据集上常犯的6个错误及避免方法

发表于:05/28/2021 , 关键词: 机器学习, 数据集
本文将教你如何避免机器学习和数据科学中新手常犯的 6 个错误,创建杀手级的数据集。