博客

以光源为原点，即光源坐标系，将视点移至光源处，启用depth buffer形成一张depth map，也就是所谓的shadow map，这样得到的是一张离光源最近的图，即没有阴影的图

卷积解决全连接参数过多的问题（参数多容易过拟合和，局部极值，鞍点）

机器学习领域有个很重要的假设：IID独立同分布假设，就是假设训练数据和测试数据是满足相同分布的，这是通过训练数据获得的模型能够在测试集获得好的效果的一个基本保障。那BatchNorm的作用是什么呢？BatchNorm就是在深度神经网络训练过程中使得每一层神经网络的输入保持相同分布的。

计算机系统中表示现实世界各种颜色的色彩模型。常用的颜色空间有RGB，BGR，CMY，YUV，HSI等。不同的色彩空间只是同一物理量的不同表示法。

空间域滤波是在图像空间中借助模板对图像进行邻域操作,处理图像的每一个像素的取值都是根据模板对输入像素邻域内的像素值进行加权叠加得到的。空间域滤波是让图像在频域空间内某个范围的分量受到抑制,同时保证其他分量不变,从而改变图像的频率分布。空间域滤波是应用模板卷积对图像每一个像素进行局部处理。

虽然机器学习的基本概念已经存在了一段时间，但这一领域最近才迅猛发展，这要归功于先进的处理器和丰富的可用数据，这两者都是实现精确预测的关键。因为介绍机器学习历史的内容很多，所以本文不再赘述。我们在这里为您提供了一种实用的方法来理解必要的概念，帮助您入门。

说起时延，我们大部分小伙伴都不陌生，高时延会极大的减低我们的娱乐体验，例如你正在游戏中和仇家PK，突然网络变慢起来，你眼睁睁的看着别人不停的砍你，却只能慢吞吞的闪躲，有时甚至连动都动不了，这种体验实在是非常酸爽。

本文介绍一下使用Unity开发游戏时，可以用到的一些插件，辅助游戏的开发效率！

高动态范围（High-Dynamic Range，简称HDR），又称宽动态范围技术，是在非常强烈的对比下让摄像机看到影像的特色而运用的一种技术。当在强光源（日光、灯具或反光等）照射下的高亮度区域及阴影、逆光等相对亮度较低的区域在图像中同时存在时，摄像机输出的图像会出现明亮区域因曝光过度成为白色，而黑暗区域因曝光不足成为黑色，严重影响图像质量。

深度学习算法现在是图像处理软件库的组成部分。在他们的帮助下，可以学习和训练复杂的功能；但他们的应用也不是万能的。

毫无疑问，人工智能（AI）一直是2010年代的技术主题，随着新的十年的来临，这一趋势似乎不会消失。在过去的十年中，人们会回想起真正可以被视为“智能”机器的时代，就像我们人类一样，他们具有思维能力和学习能力，并开始在科幻小说之外成为现实。

图像边缘是两个具有不同灰度的均匀图像区域的边界，边缘检测是图像处理的基本问题，目的是标识数字图像中亮度变化明显的边缘点，不断向上构成更高层次的特征描述。并且剔除不相关的特征信息，保留图像重要的结构属性。

对于智慧城市而言，5G不仅仅是一种新技术，还是各种城市创新应用的试验场。

现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响，称为含噪图像或噪声图像。减少数字图像中噪声的过程称为图像去噪。

从细致入微的纹理、虚实难辨的光影质感，再到两个完全由视觉特效创造的角色波士顿(Boston)和摩根(Morgan)身上，无不让人感受到亦真亦幻的奇幻视觉冲击。如果不看出品方，这部高画质的视频可能会让B站网友误以为是某一部好莱坞巨制的片段。

过去的2019年里，从扰乱选举到有目标的勒索软件、到隐私法规，再到Deepfakes和恶意AI，2020年的141条网络安全预测远远不够，因此本文又公布了42名网络安全高管提供的网络安全预测。

视觉是人类认知世界最重要的功能手段，生物学研究表明，人类获取外界信息75%依靠视觉系统，而在驾驶环境中这一比例甚至高达90%。如果能够将人类视觉系统应用到自动驾驶领域，无疑将会大幅度提高自动驾驶的准确性，而这正是当前计算机科学和自动驾驶领域最热门的研究方向之一，它就是机器视觉技术。

今天介绍卷积网络中一个很重要的概念，通道（Channel），也有叫特征图（feature map）的。卷积网络中主要有两个操作，一个是卷积(Convolution)，一个是池化(Pooling)。其中池化层并不会对通道之间的交互有影响，只是在各个通道中进行操作。

神经网络是由大量的神经元互联而构成的网络。根据网络中神经元的互联方式，常见网络结构主要可以分为３类：前馈神经网络、反馈神经网络、自组织神经网络。

过去十年中，最重要的技术变革之一是物联网设备在各行业的广泛采用。专家们相信，在未来的十年里，随着物联网设备得到更广泛的应用，以及各行业找到新的方法来使该技术适应特定行业需求，我们将看到物联网市场的重大变化。以下是未来十年我们可能看到的6个物联网发展。