博客
从广义上说，计算机视觉就是“赋予机器自然视觉能力”的学科。自然视觉能力，就是指生物视觉系统体现的视觉能力。一则生物自然视觉无法严格定义，在加上这种广义视觉定义又“包罗万象”，同时也不太符合40多年来计算机视觉的研究状况，所以这种“广义计算机视觉定义”，虽无可挑剔，但也缺乏实质性内容，不过是一种“循环式游戏定义”而已。
早期采用人工智能技术的组织已开始从人工智能的应用中获得真正的业务成果。但推行人工智能计划并非没有挑战。人工智能创造商业价值的时代已经到来。事实上，在德勤公司(Deloitte)最近的一项调查中，82%的早期使用人工智能的组织表示，他们从人工智能投资中获得了经济回报。
迁移学习近年来在图形领域中得到了快速的发展，主要在于某些特定的领域不具备足够的数据，不能让深度模型学习的很好，需要从其它领域训练好的模型迁移过来，再使用该模型进行微调，使得该模型能很好地拟合少量数据的同时又具备较好的泛化能力（不过拟合）。
常用的几个内置文件通常都被封装在cginc文件中，通过文件的包含来实现对文件中函数及变量的引用，大家可以到unity的安装目录下找到对应的文件，当然我们也可以写一些自己的cginc文件放置到该目录中，方便自己使用。
机器学习的特征工程是将原始的输入数据转换成特征，以便于更好的表示潜在的问题，并有助于提高预测模型准确性的过程。找出合适的特征是很困难且耗时的工作，它需要专家知识，而应用机器学习基本也可以理解成特征工程。但是，特征工程对机器学习模型的应用有很大影响，有句俗话叫做“数据和特征决定了机器学习模型的性能上限”。
逻辑回归是一个分类算法，它可以处理二元分类以及多元分类。虽然它名字里面有“回归”两个字，却不是一个回归算法。那为什么有“回归”这个误导性的词呢？个人认为，虽然逻辑回归是分类模型，但是它的原理里面却残留着回归模型的影子，本文对逻辑回归原理做一个总结。
5G技术支持大量的人工智能应用，大多数物联网项目都能从中受益。有人可能会说，5G不会成为物联网项目的革命性技术。目前大多数物联网应用，如资产跟踪和远程监控数据，都不需要每秒10千兆的下载速度或1毫秒的延迟水平。重点是，物联网项目正在逐渐从涉及低功耗、广域网络的应用程序过渡到更需要数据的应用程序。事实上，我们现在看到的带宽转型，最终可能是由5G推动的。
据统计，大量的合成信息占据了互联网，如合成声音、生成图像、AI合成不存在的人像等，约占网络信息的30%。“眼见为实”很可能已经靠不住了。人们判断真假，经常会说“真的自然”。而人工智能造假，将在尽可能“自然”的前提下，完成自动生成。
CPU在游戏中的主要分工，主要分为两个部分：设置渲染状态和调用DC。 其中设置渲染状态属于比较重要的分工，对于加载到游戏中的资源和对象等，CPU需要计算其顶点相关的矩阵，渲染所用的贴图，渲染所用到的材质和shader，渲染所用到的灯光等。
从1995年比尔.盖茨首次提及物联网概念到今天，物联网已成为新一代信息通信技术发展的典型代表，在经历了“虚张声势”的概念炒作阶段后，目前已进入到全面实践应用的新阶段，正深刻改变着传统产业形态和人类生产生活方式。然而，随着近年来物联网安全攻击事件日益频发，对用户隐私、基础网络环境的安全冲击也越来越突出。
VR的交互性，是指用户对虚拟现实中对象的可操作程度和从虚拟现实中得到反馈的自然程度，包括实时性。主要借助于专用设备（如操作手柄、数据手套等）产生，以自然的方式，如手势、身体姿势、语言等技能，如同在真实世界中一样操作虚拟现实中的对象。
渲染流水线可以分为三个概念性阶段：应用阶段，几何阶段，光栅化阶段。游戏场景中的物体渲染都是基于可编程流水线实现的，其实就是把绘制的3D物体通过可编程流水线绘制在2D的屏幕上的过程。渲染简单的理解可能可以是这样：就是将三维物体或三维场景的描述转化为一幅二维图像，生成的二维图像能很好的反应三维物体或三维场景.
图像处理常用算法：（1）边缘检测：Canny 算子、Laplacian算子、Sobel 算子 ；（2）Hough变换检测直线和圆算法 ；（3）图像分割：阈值分割算（也叫二值化）、区域分割算法 ：区域生长法、分裂合并法、空间聚类法。
对于不在摄像机拍摄范围内的对象，对这一对象的绘制是完全没有必要的，所以可以用到遮挡剔除技术：将静态物体勾选static；选择Windows->Occlusion Culling打开遮挡剔除窗口，单机Bake；修改bake界面的参数大小，可以修改Bake的单元的大小......
